Hormozi風キャプションをサブスクなしで作る方法

Hormozi風キャプションとは、極太のサンセリフですべて大文字にした単語を、白地に太い黒の輪郭線を付けて一度に1〜3語ずつ表示し、単語ごとに同期させ、話されている単語だけに1色――たいていは黄色――のハイライトを乗せるスタイルです。オンラインのキャプションツール、CapCutのような無料エディタ、プリセット付きのデスクトップアプリ、あるいはWhisperのコマンドラインとFFmpegの組み合わせで作れます。

見落とされがちなのはタイミングです。見た目そのものはスタイルパネルで簡単に再現できますが、成立させているのは各単語が発話された瞬間にぴったり表示されることです。そのためには単語単位のタイムスタンプが必要で、この記事の大部分がその出どころについて書かれているのはそのためです。

何が「Hormozi風」を決めるのか

Alex Hormoziのショート動画は、あるキャプション処理を誰もが名前で検索するほど有名にしました。要素を分解すると、6つの決定にまとめられます。

1. 極太のサンセリフ。 Montserrat BlackまたはExtraBoldが定番の組み合わせで、AntonやArchivo Blackも近い代替です。フォントそのものより太さの方が重要です。
2. すべて大文字。 大文字はどの単語も同じ高さになるため、2単語のキャプションが1つの塊として読めます。
3. 白いテキストに太い黒の輪郭線。 この輪郭線があるからこそ、白い壁の前でも明るいシャツの前でも読めます。
4. 1色のハイライト。 #FFD93D前後の黄色が既定色です。発話中の単語、または意味の核となる単語のどちらかに乗せます。
5. 一度に1〜3単語。 2単語が典型です。視聴者は行を読むのではなく単語を捉えます。
6. 中央下寄りの配置。 TikTok、Reels、Shortsが動画の上に描くキャプションやボタンの領域より上、9:16フレームの下段3分の1あたりです。

各グループが表示されるたびに小さなポップインアニメーションが付くこともよくあります。これはスタイルの中で最も重要度が低い部分で、ツールがうまく対応していなければ最初に諦めてよい要素です。

ミュート視聴でこのスタイルが効く理由

ショート動画の多くは音声オフで視聴されており、キャプションだけがミュート中の視聴者に発話を伝える手段です。ここまではHormozi特有の話ではなく、どんなキャプションでも当てはまります。

このスタイルが加えているのはペース配分です。字幕を1行まるごと出すと視聴者は自分のペースで読むことになり、遅れたり目を離したりしてしまいます。声に合わせて一度に1〜2単語だけを表示することで、視聴者の目は話者のリズムに強制的に合わせられます。また、1つのキャプションに文字が多く詰め込まれることがないため、長い行にありがちな読み上げ速度の問題も回避できます。

トレードオフは主張が強いことです。落ち着いたインタビュー、ドキュメンタリー、映像そのものが重要なチュートリアルでは、画面を覆ってコンテンツと競合してしまいます。このスタイルが向いているのは、スクロールを止めるために作られたトークヘッドのクリップです。

Hormoziキャプションを作る4つの方法

オンラインツール――Submagicなど――は最速でこの見た目にたどり着ける方法です。アップロードして、テンプレートを選んで、書き出すだけです。ただしサブスクリプションで長さ上限もあり、現在の数字はSubmagicとの比較記事にまとめてあります。動画を自分のパソコンの外に出す必要もあります。

CapCutはクリエイターにとって定番の無料の答えです。自動キャプションが単語ごとのスタイルに対応しており、デスクトップの選択肢のどれも対応していないスマートフォンでも動きます。

プリセット付きデスクトップアプリはファイルをローカルに保ち、長さの制限もなくします。この記事の残りでは、自分たちが作っているツールであるSablateでのワークフローを紹介したあと、完全に手作業のルートも紹介します。

Whisper + FFmpegは無料で完全な制御を得られますが、代わりにコマンドを書き、ハイライトのためには字幕ファイルを手で編集する必要があります。

Sablateで作る

SablateはWindowsとmacOS向けのデスクトップアプリで、Whisperを使ってローカルで文字起こしを行い、単語ごとのタイムスタンプを返します。それがハイライトに必要な入力そのもので、それを得るために何かをアップロードする必要はありません。

1. 動画を開いて文字起こしする。 静かな部屋の明瞭な発話にはBalancedモデルで十分です。声の下に音楽がある場合はAccurateを使ってください。
2. テキストを修正する。 繰り返し出てくる人名やブランド用語はカスタム語彙に一度登録しておけば、次の動画でも正しく出力されます。
3. 短いキャプションに再分割する。 エディタの行分割ツールが、トラック全体を1、2、3、4単語のいずれかに再分割します。
4. Hormoziプリセットを選ぶ。 これは13種類ある組み込みプリセットの1つで、Beast、Reels、One Word、Karaoke、Popと並ぶViralグループに入っています。単語ハイライトは色の変化、単語の背後のボックス、左から右への塗りつぶし、あるいは一度に1単語だけ表示のいずれかを選べます。
5. フレームを9:16に設定する。 横型の元映像はクロップするか、映像をぼかしたコピーでパディングでき、キャプションは映像と一緒に切り取られるのではなく縦型フレームに合わせて配置されます。
6. まず15秒のサンプルをレンダリングし、その後で動画全体をレンダリングします。

レンダリングはプレビューと同じ字幕エンジンであるlibassを使うため、書き出された.mp4のフォント、輪郭線、ハイライトはエディタで見た通りに一致します。このスタイルに合うフォント――Montserrat ExtraBold、Anton、Archivo Black、Bebas Neue、Bangers――はアプリに同梱されているので、レンダリング時に静かに別のフォントへ置き換わることはありません。

Freeプランでは全プリセットをプレビューでき、10分までの動画を小さなコーナーマーク付きで焼き込めます。単語ごとのカラオケハイライト、カスタムプリセット、マークなしのレンダリングはProの機能で、価格は一度きり$29です。

WhisperとFFmpegで作る

手作業のルートは2段階です。まずWhisperから単語単位のタイミング付きキャプションを取り出し、次にFFmpegで焼き込みます。

OpenAIのWhisperコマンドラインは、各キャプションの単語数を固定値で制限できます。

whisper clip.mp4 --model small --word_timestamps True --max_words_per_line 2 --output_format srt

これで1キャプション2単語の.srtが得られます。あとはFFmpegでHormoziの見た目を強制して焼き込みます。

ffmpeg -i clip.mp4 -vf "subtitles=clip.srt:force_style='FontName=Montserrat Black,FontSize=22,PrimaryColour=&H00FFFFFF,OutlineColour=&H00000000,BorderStyle=1,Outline=3,Alignment=2,MarginV=60'" -c:a copy out.mp4

ここでつまずきやすい点が3つあります。

• フォントがインストールされている必要があります。 そうでなければlibassが黙って別のフォントに置き換え、見た目全体が変わってしまいます。
• 色は逆順で記述されます。 この記法の字幕色は&HAABBGGRR――アルファ、青、緑、赤の順――で書くため、黄色#FFD93Dは&H003DD9FFになります。
• プレーンな.srtでは1単語だけをハイライトできません。 黄色い単語には、その単語にインラインの色指定を入れた.assファイルが必要です。次のようになります。

Dialogue: 0,0:00:01.20,0:00:01.85,Default,,0,0,0,,{\c&H3DD9FF&}NOBODY{\c} CARES

1分のクリップならこれでも手作業で対応できます。20分の動画になると丸1日仕事になり、その時点でプリセット付きのツールが元を取り始めます。この形式に馴染みがなければ、SRT vs VTT vs ASSのガイドで.assだけがこのスタイル設定を保持できる理由を説明しています。

細部を正しく仕上げる

キャプションをインターフェースの外に置く。 TikTok、Reels、Shortsはいずれも画面右側にボタンを、下部に説明文を描画します。画面下からおおよそ5分の1より低い位置のキャプションは隠れてしまいます。

すべての単語ではなく意味をハイライトする。 各単語を順にハイライトしていくのがカラオケ版です。Hormozi本人のクリップでは、意味の核となる1単語だけをハイライトすることが多くなっています。どちらも成立しますが、1本の動画の中で混在させるのはやめてください。

自然な句の切れ目でキャプションを区切る。 「NOBODY CARES / ABOUT YOUR / PRODUCT」は、両方とも1キャプション2単語であっても「NOBODY / CARES ABOUT / YOUR PRODUCT」より読みやすくなります。最悪の区切りは手動で直してください。

公開前にスマートフォンで確認する。 モニターでは適切に見えるキャプションサイズも、腕を伸ばして持ったスマートフォンでは大きすぎたり、幅の狭い画面では端に近すぎたりすることがよくあります。

必要な言語ごとに一度ずつ作る。 同じクリップをスペイン語とポルトガル語で配信するなら、文字起こしは一度だけ行い、同じタイミングの上にテキストを翻訳してください。言語ごとに文字起こしをやり直すより優れている理由は多言語ワークフローで解説しています。

まとめ

Hormozi風キャプションは、極太ですべて大文字の単語を白地に黒の輪郭線で、一度に1〜3語、1色のハイライト付きで、単語ごとにタイミングを合わせて表示するスタイルです。見た目そのものは簡単に真似できますが、単語単位のタイミングがツールを必要とする部分です。

クリップが短くスマートフォンで作業しているなら、CapCutが最も手軽な無料ルートです。ファイルを自分のパソコンに留めたい、長い動画を扱いたい、あるいは同じクリップを複数の言語で公開したいなら、WindowsまたはMac版のSablateをダウンロードして、実際のクリップでHormoziプリセットを試してください。どのツールを使うにしても、あとからクロップするのではなく最終的なアスペクト比で焼き込んでください。