ウォーターマーク・ロゴ・画面上テキストなしで、動画から字幕だけを抽出する方法

要点

• ほとんどの字幕 OCR ツールは画面上のすべてを抽出します — ウォーターマーク、チャンネルロゴ、画面上のグラフィックが、本物の字幕と並んで SRT ファイルに混ざってしまいます。
• 解決策は、OCR が保持するものを4つの信号でフィルタリングすることです：色、テキストの高さ、画面領域、言語。 本物の字幕は通常、一貫した1色、一貫したサイズで、フレームの同じ帯に固定され、1つの言語です。ウォーターマークやロゴは、これらのうち少なくとも1つで異なります。
• GeekLink では抽出前にこれらのフィルターを設定できます — サンプルフレームから字幕の色を選び、テキストの高さの最小と最大を設定し、字幕領域（下部、下 20%、上部、フレーム全体）を選び、字幕言語を設定すれば、他の表記体系のテキストは自動的に除外されます。
• Apple Silicon Mac 上で 100% オフラインで実行され、きれいな SRT をエクスポートします — クラウドへのアップロードも、手動で削除するウォーターマーク行もありません。
• GeekLink には無料プランがあります。Pro は月額 $12.99 または年額 $99 で、90 以上の言語の OCR に対応しています。

なぜ字幕 OCR はウォーターマークやロゴを拾うのか？

OCR は字幕だけでなく、フレーム内のすべてのテキストを読み取ります。 「ハードサブ」（焼き込み）字幕は単なるピクセルであり — コピーできる別の字幕トラックはありません。だから OCR ツールは各フレームをスキャンし、テキストらしきものを見つけて読み取ります。フレームにチャンネルウォーターマーク、ロゴ、ユーザー名、「チャンネル登録」オーバーレイ、曲名も含まれていれば、OCR はそれらも読み取ります。

その結果、本物のセリフの行がゴミと入り混じった SRT ファイルになります：ウォーターマークがほぼすべての行に繰り返され、ロゴのテキストが文字化けした文字として現れ、画面上のキャプションが混ざります。それを手作業で掃除するのは、そもそも OCR を使う意味を失わせます。

重要な洞察は、字幕は他のすべてと3つの測定可能な点で異なって見えるということです。 セリフの字幕は通常、一貫した1色（多くは白か黄色に縁取り）、一貫した高さで、フレームの同じ水平帯にあります。ウォーターマークは通常、半透明で、より小さく、隅に置かれています。ロゴは固定のグラフィックです。画面上のキャプションはしばしばより大きいか異なる色です。OCR エンジンに字幕がどう見えるかを伝えれば、字幕を保持して残りを除外できます。

字幕だけを抽出して他のすべてを飛ばすには？

動画から焼き込み字幕を取り出すのは初めてですか？まずはOCR でハードサブを抽出する方法の一般的な解説から始めてください。このガイドは、基礎が飛ばす1つのこと、すなわちセリフだけを保持し、ウォーターマーク、ロゴ、画面上テキストを除外することに焦点を当てます。

OCR を4つのフィルター — 色、フォントサイズ、領域、言語 — で制約し、本物の字幕に一致するテキストだけを読み取らせます。 各フィルターは異なる種類のノイズを除去し、4つすべてを重ねられます。

• 色フィルター — 字幕の色のテキストだけを保持し、異なる色のウォーターマーク、ロゴ、コメントを無視します。
• フォントサイズフィルター — 高さの範囲内のテキストだけを保持し、小さなウォーターマーク／クレジットや特大のタイトルを飛ばします。
• 領域フィルター — 字幕が現れる帯だけを読み取り、隅やフレーム上部のものは決してスキャンしません。
• 言語フィルター — 字幕の表記体系のテキストだけを保持し、別の言語のロゴやウォーターマークを自動的に除外します。

GeekLink では抽出開始前にこれらを設定し、バッチ全体に適用されます。以下のセクションで各フィルターを説明します。

字幕を色でフィルタリングするには？

GeekLink は動画からフレームをサンプリングし、字幕の正確な色をクリックできるようにします。それからその色のテキストだけを保持し、他のすべてを無視します。 OCR ジョブを開始すると、GeekLink はテキストを含む静止フレームのセットを引き出して表示します。字幕の文字をクリックすると、GeekLink がその色を読み取り、それをフィルターとして使います。

これはウォーターマークや画面上コメントに対して最も効果的な単一フィルターです。なぜなら、それらはきれいな白や黄色のセリフ字幕と比べて、ほぼ常に異なる色（または色あせた半透明バージョン）だからです。字幕が白でウォーターマークが灰色なら、色フィルターだけでウォーターマークを除去できます。

色フィルタリングは、2色または2話者の字幕という一般的なケースも扱います — 必要に応じて、片方の色を捕捉してもう片方を除外することも、両方を捕捉することもできます。自分の動画の実際のフレームから色を選ぶので、推測値ではなく、実際にレンダリングされた字幕に一致します。

フォントサイズでテキストをフィルタリングするには？

テキストの高さの最小と最大を設定すると、GeekLink はその範囲内の高さのテキストだけを読み取ります。 ある動画の字幕は一貫したサイズなので、セリフに合う高さの範囲は、はるかに小さいまたははるかに大きいテキストを自然に除外します。

これは色フィルターが見逃すノイズを捕まえます。小さな半透明のウォーターマーク、小さな著作権クレジット、隅のユーザー名は通常、字幕テキストより背が低いので、最小の高さがそれを除去します。大きなタイトルカード、イントロの見出し、大きな画面上バナーは通常、字幕テキストより背が高いので、最大の高さがそれを除去します。

フォントサイズの範囲を設定することは、字幕の色をたまたま共有するウォーターマークやクレジットを除外する最も確実な方法です。 色フィルターと組み合わせれば、異なる色のノイズと、同じ色だが誤ったサイズのノイズの両方を除去します。

OCR を字幕領域に限定するには？

フレームのどの帯をスキャンするか — 下半分、下 20%、上半分、フレーム全体 — を GeekLink に伝えると、その帯の外のテキストを完全に無視します。 ほとんどのセリフ字幕はフレームの下部にあるので、OCR を下部領域に制限すれば、ロゴやチャンネルウォーターマークなど、隅や上部沿いのものを飛ばします。

領域フィルターは速度の利点でもあります：フレーム全体ではなく狭い帯をスキャンすれば、フレームごとの処理が少なくなります。縦型のショート動画（TikTok、Reels、Shorts）では、字幕はしばしば上寄り、上部中央付近にあるので、GeekLink では領域を上部に切り替えられます — 誤った領域を選ぶことは OCR が「何も見つけない」最も一般的な理由なので、字幕が実際にある場所に合わせてください。

領域、色、サイズは連携します：領域が字幕帯の外のすべてを除去し、それから色とサイズが内側に残ったものを掃除します — たとえば字幕エリアにたまたま重なるウォーターマークなど。

別の言語の字幕やテキストを無視するには？

GeekLink に字幕言語を伝えると、異なる文字体系で書かれたテキストを自動的に除外します。 ソース言語 — たとえば中国語 — を設定すると、GeekLink は漢字（およびほぼどの字幕にも現れるラテン文字と数字）を期待し、タイの局ロゴ、韓国語のウォーターマーク、日本語の画面上テキストなど、他の表記体系の行を破棄します。

これは色やサイズが常には捕まえられないフィルターです。再アップロードや再投稿されたクリップは、しばしばセリフとまったく異なる言語のウォーターマークやチャンネルロゴを含みます。そのテキストは異なる文字体系なので、GeekLink はそれを「あなたの字幕言語ではない」と見なして除外します — 字幕の色やサイズをたまたま共有していても。

これは中国語のショート動画や再投稿動画で特に便利です。 そこではタイ、韓国、日本のプラットフォームロゴがよくあります。1つ注意点：GeekLink は選んだ言語に関係なくラテン文字と数字を保持します。字幕には英単語や数字が日常的に混ざるからです — だからこのフィルターは他の非ラテン文字体系を除去するのであって、英語ではありません。

完全な解説 — 言語ごとの文字体系の表、バイリンガル字幕、そしてなぜ英語が決して除去されないか — は外国語のロゴやウォーターマークを無視する方法をご覧ください。

ステップバイステップ：Mac 上で動画からきれいな字幕を抽出する

GeekLink での完全なワークフローは、インポートからきれいな SRT までです：

1. 動画をインポートする。 1つまたは複数のファイルをドラッグします — GeekLink はフォルダ全体を一度にバッチ処理します。
2. 字幕領域を選ぶ。 字幕がある場所に合わせて、下部（デフォルト）、下 20%、上部、フレーム全体を選びます。縦型動画なら上部を選びます。
3. OCR を開始して字幕の色を選ぶ。 GeekLink がサンプルフレームを表示します。字幕の文字をクリックして色フィルターを設定します。
4. テキストの高さの範囲を設定する。 最小と最大の高さを入力し、ウォーターマーク、クレジット、特大のタイトルを除外します。
5. 実行させて、それから SRT をエクスポートする。 GeekLink は3つのフィルターすべてに一致するテキストだけを読み取り、きれいで編集可能な SRT をエクスポートします — 削除するウォーターマーク行はありません。

フィルターはバッチ全体に適用されるので、一度設定すれば数十本の動画を1パスで掃除できます。 すべて Mac 上でローカルに実行されるので、何もアップロードされません。

アプリのすべての OCR 設定 — 色のサンプリング、フォントの高さの範囲、領域、検出間隔 — のリファレンスは、ドキュメントのOCR ガイドをご覧ください。

他の OCR 字幕ツールと比べてどうか？

ほとんどの OCR 字幕抽出ツールはフレーム全体を読み取り、字幕以外のテキストを除外する方法を提供しないので、結局 SRT からウォーターマークやロゴの行を手作業で削除することになります。 汎用の OCR アプリ（およびスクリーンショットからテキストへのツール）は、そもそも動画字幕向けに作られていません — 字幕の色、高さ、帯という概念がありません。

専用の字幕 OCR はより稀です。探すべき差別化要因は、実行後に出力をこすり落とさせるのではなく、実行前に色、サイズ、領域で抽出を制約できるかどうかです。GeekLink はそのワークフローを中心に作られ、Mac 上でオフラインで動作します。クラウドツールはアップロードとサブスクリプションを必要とし、ほとんどはやはり画面上のすべてを捕捉します。

開示：GeekLink は当社の製品です。ここで説明する色、フォントサイズ、領域のフィルターはアプリの実際のコントロールそのものです。他のツールの機能セットは時とともに変化します — 各サイトでご確認ください。

FAQ