2026年のオフライン字幕生成ツール5選:自分のパソコンだけで動く

オフライン字幕生成ツールは音声モデルを自分のパソコン上で実行するため、動画がアップロードされることはなく、長さやファイルサイズの上限もありません。2026年現在、そのほとんどはOpenAIのWhisperをベースにしており、実際の違いは文字起こしの後――編集、翻訳、スタイル設定、焼き込み――で生じます。以下の5つのツールは、無料、Mac専用、自分の手で組み立てる方式、そして多言語対応という、その範囲の両端をカバーしています。

このうち1つは私たち自身が作っています。Sablateもこのリストに入っていますし、Sablateより優れている部分を持つ4つのツールも入っています。どの節でも、それがどこかを明記します。

なぜオフラインで字幕を生成するのか?

理由は繰り返し3つ挙がり、プライバシーはそのうちの1つに過ぎません。

1. 長さとサイズの上限が消える。 ブラウザ上のツールはまずファイル全体をアップロードする仕組みなので、動画の長さやファイルサイズに上限を設けています。2時間の講義や20GBのカメラファイルも、ローカルアプリなら普通の作業です。
2. 映像が手元に留まる。 未公開のカット、クライアントの録画、医療や法律関係のインタビューなど、NDAやデータ保護方針の対象になるものは、外部サーバーが一切関わらない方がずっと単純に扱えます。
3. コストが分数に比例しない。 クラウド文字起こしは分単位、またはプラン単位で課金されます。ローカルモデルなら、月に1時間だけ処理しても100時間処理しても同じコストです。

トレードオフは自分のハードウェア次第になることです。ローカルモデルは自分のマシンの性能どおりの速さで動き、最も精度の高いWhisperモデルは快適に使うにはそれなりのGPUを求めます。Whisperモデルの比較記事で、各モデルサイズが時間とメモリの面で何を要求するかをまとめています。

オフライン字幕生成ツールで確認すべきこと

1. どのWhisperモデルを実行できるか。 最小のモデルは高速で粗く、large-v3とlarge-v3-turboは軽い修正で公開に使える精度になる境目です。
2. GPU対応。 WindowsのNVIDIAとMacのApple Siliconが、大きめのモデルを実用的にします。
3. 本格的なエディタ。 出力は必ず修正することになります。タイミングをドラッグで調整できるタイムラインは、ツール間の精度差よりも多くの時間を節約してくれます。
4. 書き出し形式。 汎用には.srt、Web向けには.vtt、スタイルを残したいなら.assです。
5. 焼き込み。 TikTok、Reels、Shortsは字幕ファイルを一切受け付けないため、ソーシャル動画向けにはキャプションを映像に描き込む必要があります。
6. 翻訳。 Whisper自体は英語への翻訳しかできません。それ以外の言語には別の翻訳ステップが要ります。

2026年、最良のオフライン字幕生成ツール5選

1. Subtitle Edit — 字幕ファイル処理の無料スタンダード

Subtitle Editは無料のオープンソースで、プロの字幕制作者がすでに使っているツールです。複数のエンジンから選べるWhisper文字起こしを内蔵し、300以上の字幕形式を読み込め、このリストの中で最も深いタイミング調整・適合性チェック・品質確認機能を備えています。

複数の翻訳エンジンを通した翻訳もでき、FFmpegベースの書き出し機能で字幕の焼き込みもできます。ただし目指していないのはキャプションデザイナーとしての役割で、スタイル付きのソーシャル向けキャプションや言語ごとのフォントはこのツールの本領ではなく、インターフェースも字幕用語を知っている前提で作られています。

無料。 成果物が正しい字幕ファイルであれば、ここから始めてください。

2. Buzz — 最もシンプルな無料の文字起こしツール

Buzzは、Windows・macOS・Linux向けの無料オープンソースのデスクトップアプリで、Whisper、whisper.cpp、faster-whisperを使ってオフラインで音声・動画を文字起こしします。ファイルをドロップしてモデルを選ぶだけで、.txt、.srt、.vttを書き出せます。新規ファイルを自動で文字起こしするウォッチフォルダ機能や、コマンドラインモードもあります。

字幕エディタというより文字起こしツールです。タイムラインもスタイル設定も焼き込みもありません。翻訳はWhisper自身のものなので英語への翻訳のみです。最近のMac版はApple Silicon必須です。

無料。 最小限のセットアップで文字起こしや初稿の.srtが欲しいときに向いています。

3. MacWhisper — Macで最も洗練された選択肢

MacWhisperは、洗練されたインターフェースを持つネイティブのmacOS文字起こしアプリで、Apple Siliconでの性能も良好です。無料プランは小さめのモデルを実行し、Proでは大きめのモデル、バッチ文字起こし、.srtと.vttの書き出し、話者ラベルが追加されます。

まず第一に文字起こしツールです。動画への字幕の焼き込みはできないため、ソーシャル向けキャプションには別のツールが必要で、Windowsでは一切動作しません。

無料プランあり、Proは2026年9月時点で買い切り€59。 主に正確な文字起こしと字幕ファイルが欲しいMacユーザーに最適です。

4. Sablate — スタイル付き焼き込みと1つのジョブからの多言語対応

SablateはWindowsとmacOS向けのデスクトップアプリで、文字起こしより後の作業のために作られています。faster-whisperをローカルで実行し、Fast、Balanced、Accurate、Bestの4段階のモデルティアを備え、NVIDIA GPUを使えば同じマシンのCPU実行よりおよそ5〜10倍速くなります。

このリストの他のツールとの違いは、翻訳が新しいジョブではなく同じジョブの上のレイヤーであることです。一度文字起こしをして、スペイン語・アラビア語・日本語を追加すると、各レイヤーは元のタイミングを保ったまま、それぞれ独自のスタイルと、その文字体系を実際に描画できるフォントを持ちます。翻訳はArgosによるオフライン処理、または自分のAPIキーを使ったDeepL・OpenAI・Claudeのいずれかで行えます。

エディタにはタイムライン上での再タイミング、分割と結合、読み上げ速度の警告、検索と置換があり、放送スタイルのClassicから単語ごとのHormozi風キャプションまで13種類のキャプションプリセットを備えています。書き出しは.srt、.vtt、.txt、.ass、libassでレンダリングされた16:9・9:16・1:1の焼き込み.mp4、そして言語ごとに1トラックを収めた1つの.mkvに対応しています。

10分までの動画は無料、Proは一度きり$29。 無料プランには月3ジョブ、Fast・Balancedモデル、1つのオフライン翻訳レイヤー、小さなコーナーマーク付きの焼き込みが含まれます。Linux版はなく、話者ラベルもありません。

5. WhisperとFFmpegのコマンドライン — インターフェースなしの完全な制御

ここまでのツールはすべて同じモデルをラップしています。OpenAIのwhisperコマンド、faster-whisper、whisper.cppを直接実行すれば、他のツールが隠しているすべてのオプションを使え、どのOSでも動作し、費用もかかりません。

whisper interview.mp4 --model large-v3 --language en --output_format srt

必要ならFFmpegで結果を焼き込みます。代償は、テキストの修正、タイミングの調整、スタイル設定、翻訳といったそれ以外の作業がすべてテキストエディタでの手作業になり、WindowsでのGPUセットアップもそれ自体が一仕事になることです。

無料。 バッチパイプラインをスクリプトで組みたい場合に向いており、出力を手作業で修正するつもりなら向いていません。

オフライン字幕生成ツールの比較

料金は2026年9月24日時点で確認したものです。

この4行はSablateにとって不利です。Subtitle EditとBuzzは完全無料でオープンソースかつLinuxで動作し、Sablateはそのいずれでもありません。MacWhisperは話者にラベルを付けますが、Sablateはこれをしません。Subtitle Editは300以上の字幕形式に対応しており、Sablateの4形式より圧倒的に多くなっています。このどれかが決め手になるなら、それで決めて構いません。

どれを選ぶべきか?

「正しい.srtが欲しくて、自分で修正するつもりです。」 Subtitle Editです。無料で、字幕作業に関してはここに挙げたどの有料ツールよりも本格的です。

「とにかく手早く文字起こしが欲しいだけです。」 どのプラットフォームでもBuzz、Macなら代わりにMacWhisperです。

「TikTok、Reels、Shorts向けのキャプションを作っています。」 スタイル付き焼き込みをレンダリングできるツールを選んでください。.srtとFFmpegでもできますが、スタイル設定そのものが仕事になります――焼き込みのガイドで両方のやり方を紹介しています。

「同じ動画を4言語で公開する必要があります。」 Sablateです。1回の文字起こしに言語ごとのスタイル付きレイヤーを重ねるのはまさにこのツールが作られた理由で、多言語ワークフローで、言語ごとにモデルを実行し直すより優れている理由を解説しています。

「何百ものファイルを処理するパイプラインを組んでいます。」 コマンドラインです。インターフェースがないことほど速いものはありません。

結論

ここに挙げたツールはどれも動画を自分のパソコンに留めるので、選択の基準は文字起こしそのものではなく出力にあります。字幕ファイルが目的なら無料ツールで十分優秀なので、それを使ってください。スタイル付きキャプションと多言語配信となると、無料ツールとFFmpegの組み合わせはかなりの手作業になります。

Sablateの無料プランはアカウントもクレジットカードも不要で、10分までの動画をカバーします。WindowsまたはMac版をダウンロードして実際の動画を1本通してみるか、先にプランを比較することもできます。