FAQ・困ったとき

Python がこのパソコンに入っていません。 Python 公式サイト からインストールしてください。最初の画面で「Install Now」を押すだけです。

管理者権限は必要ありません。 既定では自分のユーザーフォルダ（%LOCALAPPDATA%\Programs\Python\）に入ります。

なお「Add python.exe to PATH」にチェックを入れ忘れた場合でも、 セットアップ側がよくあるインストール先を自動で探すようにしてあるため、 ほとんどの場合そのまま動きます。

ほとんどが通信エラーです。もう一度 セットアップ.bat を実行してください。 ダウンロード済みの部分はキャッシュされているため、2 回目は速く終わります。

それでも失敗する場合、次の可能性があります。

• 空き容量が足りない（GPU ありで約 6 GB 必要）
• 展開先が書き込み不可の場所にある（Program Files の中など）
• ウイルス対策ソフトが処理を止めている

フォルダをデスクトップに移動してから再実行すると解決することがあります。

セットアップ後のフォルダには .venv（約 4 GB）が作られますが、 これは他のパソコンでは動作しません。

.venv は Python の標準ライブラリを持っておらず、 セットアップを実行したパソコンの Python の場所を記録して、そこを参照しにいく仕組みだからです。 パスが存在しない環境では起動できません。

他の人に渡すときは、配布用の ZIP をそのまま渡し、 相手のパソコンで セットアップ.bat を実行してもらってください。

画面のログに「CPU（CUDA 未検出）」と出ている場合、次を確認してください。

• グラフィックドライバが古い → NVIDIA 公式サイトから最新版を入れる
• セットアップ時に GPU が認識されていなかった → ドライバ更新後にもう一度 セットアップ.bat を実行

セットアップは nvidia-smi コマンドの有無で GPU 版と CPU 版を切り替えています。 ドライバが入っていないと CPU 版が導入されます。

10 分の動画を medium モデルで処理した場合の目安です。

CPU で使う場合は、モデルを small に下げると実用的な速度になります。 日本語の精度は medium より落ちますが、下書きとしては十分使えます。

仕様です。AI は音声を 30 秒ごとの区切りで処理しており、 区切りの途中では止められません。 GPU なら 1〜2 秒、CPU では数十秒待つことがあります。

止まった時点で、書きかけの中途半端なファイルが残ることはありません。

VRAM が不足した場合は自動的に CPU に切り替えて処理を続けるため、 エラーで止まることはありません。ただし極端に遅くなります。

必要な VRAM の目安は、small が約 2 GB、medium が約 5 GB、large-v3 が約 10 GB です。 VRAM 8 GB の GPU では large-v3 は収まりません。

次の順で試してください。

1. 言語を「日本語」に固定する — 自動検出の誤りがなくなります
2. モデルを上げる — medium → large-v3 で精度が上がります（その分遅くなります）
3. 音源を見直す — 音質が悪い、複数人が同時に話す、BGM が大きい場合は精度が大きく落ちます

専門用語や固有名詞は苦手です。 出力された字幕は、字幕エディターで音を聞きながら直せます。 誤変換の直しや時刻の調整は、そちらのほうが早く済みます。

無音区間や BGM だけの区間で、AI が直前の文を繰り返してしまう既知の現象です。 本ツールでは前の文脈を引き継がない設定にして発生を抑えていますが、完全にはなくなりません。

該当箇所は出力された字幕ファイルから手で削除してください。

認識設定の「日本語の句読点を補う」にチェックが入っているか確認してください。 この機能は言語が日本語と判定されたときだけ働きます。

言語を「自動検出」にしていて英語などと誤判定された場合は働かないため、 「日本語」に固定してみてください。

出力設定の「長い字幕を自動で折り返す」で、1 行の文字数と行数を変更できます。 初期値は 20 文字 × 2 行です。

小さい画面向けなら 15 文字前後、PC 視聴前提の解説動画なら 25 文字程度が目安です。 指定を超えた分は次の字幕に自動で分割され、表示時間も配分されます。

焼き込みには、字幕を描く機能（libass）を含んだ FFmpeg が必要です。 初めて焼き込みを実行するときに、確認のうえ約 73 MB を自動で取得します。 失敗するのはほとんどが通信の問題なので、もう一度実行してみてください。

それでも失敗する場合、次の可能性があります。

• 会社や学校のネットワークで、GitHub への接続が制限されている
• 空き容量が足りない（展開後に約 180 MB を使います）
• ウイルス対策ソフトがダウンロードを止めている

取得先は GitHub 上の yt-dlp/FFmpeg-Builds（公式ビルド）、 置き場所は %LOCALAPPDATA%\johukku\bin です。 メディアダウンローダーやメディアコンバーター・字幕エディターを使っている場合は、同じ場所にすでにあるので取得は発生しません。

いまの状態は 環境チェック.bat を実行したときの「焼き込み」の行で確認できます。

文字の大きさは、動画の解像度と「1 行の文字数」から自動で決まります。 一番長い行が画面の横幅に収まるように決めているので、1 行の文字数が多いほど小さくなります。

大きくしたいときは、次のどちらかを試してください。

1. 出力設定の「1行 ○ 文字」を減らす（例：20 → 15）
2. スタイルを「大きめ（太字・フチ太め）」にする

「見本を見る」で、実際の動画の 1 コマに描いた見え方を確かめながら調整できます。

スタイルを「縦動画向け（少し上・太字）」にしてください。 ショート動画アプリの画面下にある操作ボタンに重ならないよう、字幕を少し上に表示します。

縦長の動画は横幅が狭いので、1 行 20 文字のままだと文字が小さくなります。 1 行 12 文字前後に減らすと、読みやすい大きさになります。

スタイルを「帯つき（半透明の黒帯）」にしてください。 字幕の後ろに半透明の黒い帯を敷くので、白い壁や空の上でも読めます。

焼き込みは映像を作り直すため、文字起こしとは別に時間がかかります。 進捗も文字起こしとは別に表示されます。

NVIDIA / Intel / AMD のグラフィック機能が使える場合は自動で使い、 使えない場合は CPU で処理します。CPU でも 10 分の動画で数分程度が目安です。

どちらで処理しているかは、ログの「エンコーダ:」の行で分かります。 h264_nvenc・h264_qsv・h264_amf なら GPU、 libx264 なら CPU です。 ドライバが古いと GPU が使えないことがあるので、遅いと感じたらドライバを更新してみてください。

上書きされません。 字幕を描き込んだ動画は、別の名前で新しく書き出されます。

会議録画.mp4  →  会議録画.ja.mp4

同じ名前のファイルがすでにある場合は 会議録画.ja_2.mp4 のように連番が付きます。 元が MKV の動画は MKV のまま、それ以外は MP4 で書き出します。 途中で中止した場合、書きかけの動画は残しません。

見本は、追加した動画の 1 コマに字幕を描いて表示します。 先に入力ファイルとして動画を追加してから押してください。

焼き込みは映像に字幕を描く機能なので、音声だけのファイル（mp3 など）には使えません。

送信されません。 文字起こしはすべてあなたのパソコンの中で処理されます。

インターネットに接続するのは、次のときだけです。

• セットアップ時に、必要な部品を取得するとき
• AI モデルを初めてダウンロードするとき
• 動画への焼き込みを初めて使うときに、FFmpeg を取得するとき

それ以降はオフラインでも動作します。

セットアップは通るのにモデルの取得だけ止まる場合、 モデル配信元への接続が制限されている可能性があります。

この場合、モデルファイル（medium.pt）を別途入手し、 ツールのフォルダの中に models というフォルダを作って入れてください。 ダウンロードなしでそこから読み込みます。

Whisper字幕作成ツール_v1.2.1\models\medium.pt

.bat ファイルは、インターネットからダウンロードした ZIP を展開すると 警告の対象になることがあります。

ZIP を右クリック →「プロパティ」→「セキュリティ：許可する」にチェックを入れてから 展開すると、警告が出にくくなります。

フォルダの中の アンインストール.bat をダブルクリックしてください（v1.2 以降）。 ツールのフォルダと設定ファイルを削除します。 AI モデルや FFmpeg など、他と共有しているものは消すかどうかを 1 つずつ確認します（Enter で「残す」）。

v1.1 以前の場合や、手で削除したい場合は 使い方の「8. アンインストール」をご覧ください。

できます。本ツールおよび内部で使用している OpenAI Whisper は MIT License、 PyTorch は BSD-3-Clause で提供されています。

ただし音声認識の結果は完全ではありません。 納品物や公開用の字幕として使う場合は、必ず内容を確認・修正してください。 本ツールの利用によって生じた損害について、作者は責任を負いません。

動画への焼き込みに使う FFmpeg（GPL）は本ツールに同梱しておらず、 利用者のパソコンが公式ビルドを直接取得する形にしています。

現在は Windows 用としてのみ配布しています。 本体は Python で書かれているため他の OS でも動く可能性はありますが、 動作確認は行っていません。