OpenShotで字幕を入れる方法(SRTと自動字幕)
OpenShotで字幕を入れるには、キャプションエフェクトにSRTまたはVTTのテキストを貼り付けます。字幕番号が出る理由、ComfyUIによる自動字幕のしくみ、Whisperなどで字幕テキストを手軽に用意する方法を解説します。
OpenShotで字幕を入れるには、キャプションエフェクトをクリップにドラッグして、SRTまたはVTTファイルのテキストを貼り付けます。字幕ファイルを読み込むコマンドはなく、キャプションエフェクトに入っているものは書き出し時に映像へ描き込まれます。そのため、OpenShotで作れるのは常に焼き込み字幕で、視聴者がオフにできるトラックにはなりません。
自動字幕は2026年8月のOpenShot 4.0で登場しましたが、エディタの中では動きません。自分のマシンに、手作業でセットアップしたComfyUIサーバーが必要です。多くの人にとっては、別のツールでクリップを文字起こしして、その結果を貼り付けるほうが早い方法です。
キャプションエフェクトでできること、できないこと
キャプションエフェクトは、OpenShotで唯一の字幕機能です。ドキュメントには「VTT(WebVTT)とSubRip(SRT)の両方の字幕ファイル形式に対応」とありますが、実際に受け付けるのはそのテキストです。キャプションテキストというプロパティに、タイミング行のあとに1〜2行の文章が続くいつもの形式でキューを入れます。
できること:
- テキストからタイミング付きのキューを作る。 字幕ファイルをまるごと貼り付けると、すべてのキューがそれぞれの時刻に表示されます。
- キャプションパネル。 すべてのキューを1か所で編集できます。「キャプションを挿入」ボタンを押すと、再生ヘッドの位置に3秒のキューが追加されます。
- エフェクト全体のスタイル設定: フォント、サイズ、色、不透明度、縁取り、角丸の背景ボックス、行間、キャプションごとのフェードインとフェードアウト。
- 余白による位置指定。 プレビューの白い四角形をドラッグして設定します。
できないこと:
- 字幕ファイルの読み込みはできない。 ファイルをテキストエディタで開き、中身をコピーします。
- 字幕の出力はできない。 キャプションは書き出すフレームに焼き込まれます。SRTの書き出しも、書き出したファイル内の字幕トラックもないため、YouTubeはインデックスや翻訳ができる字幕を受け取れず、視聴者もテキストをオフにできません。この違いは見た目以上に重要です。どのプラットフォームがどちらを求めるかは、ハードサブとソフトサブの比較で解説しています。
- エディタ自体には音声認識がない。 それは別のAIワークフローにあり、後ほど説明します。
OpenShotにSRTファイルを貼り付ける方法
- 「エフェクト」タブ(英語表示ではEffects)を開き、字幕を付けるクリップに「キャプション」エフェクト(英語表示ではCaption)をドラッグします。
- クリップ上のエフェクトを選びます。キャプションパネル(英語表示ではCaptions)が開き、プレースホルダーのキューが1つ入っているので、削除します。
.srtまたは.vttをテキストエディタで開き、すべて選択してコピーし、キャプションパネルに貼り付けます。- タイムラインをスクラブします。各行が、話されている間に表示されるはずです。
- エフェクトのプロパティ(英語表示ではProperties)でフォント、サイズ、色を設定し、プレビューの白い四角形を、キャプションを置きたい場所までドラッグします。
- いつもどおり動画を書き出します。
VTTファイルはそのまま貼り付けられます。次はOpenShot自身のドキュメントで使われている形式で、タイミング行とテキストだけがあり、キューの間に番号はありません。
WEBVTT
00:00:05.000 --> 00:00:08.200
Welcome back to the channel.
00:00:08.400 --> 00:00:11.000
Today we are fixing the audio first.
SRTファイルでは、すべてのタイミング行の上にキュー番号があり、ミリ秒の前にはカンマが入ります(00:00:05,000)。カンマは問題ではありません。OpenShotはどちらの区切り文字も読み取れます。問題になるのは番号のほうで、キュー10以降で起こります。SRTしかない場合は、貼り付ける前に番号の行を削除するか、先に字幕エディタでWebVTTとして保存してください。2つの形式の違いはSRT・VTT・ASSの比較にまとめています。
OpenShotで数字や空のキャプションが出るのはなぜですか?
どちらも、OpenShotが貼り付けたテキストを読み取る方法に原因があります。libopenshotのキャプションのコード(バージョン1.1.1で、OpenShot 4.1.1に入っているものです)では、キャプションのテキストは、そのタイミング行から、次にタイムスタンプに見えるものが現れるまでのすべてで、読み飛ばされるのは1文字の行だけです。
そのため、2つの副作用があります。
- キャプションの下に余計な数字が出る。 SRTでは、次のキューの番号が、このキューのテキストと次のタイミング行の間にあるため、このキャプションの一部として読み取られます。キュー番号1〜9は1文字なので読み飛ばされます。10以降は、その直前のキャプションの下に描かれます。
- キャプションが途中で切れる、または空になる。 解析は、次のキューを見つけるために、2桁の数字、コロン、さらに2桁の数字を探します。テキスト中の
10:30のような時刻はこのパターンに一致し、その位置でキャプションが切れるか、消えてしまいます。「10.30」または「10時半」と書いてください。
キャプションが違うタイミングで出る場合は、原因は解析ではなくタイミングにあるのが普通です。末尾のトリミングの節を参照してください。
OpenShotに自動字幕機能はありますか?
はい、OpenShot 4からありますが、多くの人が動かせる形ではありません。機能は「Add Captions from Speech」(「AIで強化」の中にあります)で、作業を、自分のマシンにインストールする別のAIワークフローサーバーであるComfyUIに渡します。OpenShotのAIドキュメントには、セットアップが次のように書かれています。
- ComfyUIをインストールし、起動することを確認します。
- ComfyUI-Whisperなど、OpenShotが必要とするカスタムノードをインストールします。
- モデルファイルを、ComfyUIのモデルフォルダにダウンロードします。
- ComfyUIを起動し、OpenShotで「編集 → 設定 → 詳細」を開いて、ComfyUIのURLを入力し、「チェック」をクリックします。
同じページでは、AI機能を実験的なものとし、全体の推奨環境として、12 GB以上のNVIDIA 5070、64 GBのRAM、200 GBの空き容量を挙げ、それを下回るとジョブが止まるか失敗すると警告しています。音声認識だけなら、必要な環境ははるかに小さく、このワークフローで使うWhisperのmediumモデルには、OpenAIのWhisper READMEによると約5 GBのグラフィックスメモリがあれば足ります。ただし、そこにたどり着くには、サーバー全体をインストールして維持する必要があります。
動かすと、ワークフローは選択した動画をWhisperのmediumで、言語を自動にして文字起こしし、SRTを保存します。OpenShotはそのテキストをファイルに保存し、そのファイルからタイムラインに追加するクリップには、それを持ったキャプションエフェクトが付きます。ComfyUI-Whisperノードが書き出すSRTには番号が付いているため、前述の余計な数字の問題はこのキャプションにも当てはまります。長いクリップは、10番目のキューより先を確認してください。
別のツールで字幕テキストを用意する
字幕ファイルを書き出せるツールなら、どれでもキャプションエフェクトに文字を渡せます。お使いのシステムに応じて、うまくいく2つを紹介します。
コマンドラインのWhisper
無料のオープンソースで、Windows、Mac、Linuxで使えます。PythonとFFmpegをインストールしておく必要があります。クリップの元ファイルに対して実行し、番号の問題なく貼り付けられるVTTを指定します。
pip install -U openai-whisper
whisper interview.mp4 --model turbo --language en --output_format vtt
コマンドを実行したフォルダにinterview.vttが書き出されます。enは話されている言語に変更してください。--languageを外すと、Whisperが言語を判定します。turboとほかのモデルサイズの違いは、Whisperモデルの比較にあります。ここにはエディタがないため、間違いはテキストファイル、またはOpenShotのキャプションパネルで直してください。
字幕アプリ
デスクトップの字幕アプリなら、文字起こし、修正、スタイル設定を1つのウィンドウで行えます。私たちが作っているSablateでは、次のようになります。
- 動画またはオーディオファイルをドロップして、モデルを選びます。無料プランならFastかBalanced、ProならAccurate(
large-v3-turbo)かBest(large-v3)です。 - 動画をテキストの横で再生しながら、エディタで名前や句読点を直します。
.vttを書き出してOpenShotに貼り付けるか、OpenShotのキャプションは使わず、Sablateの13種類のスタイルのどれかで、16:9、9:16、1:1のいずれかの比率で字幕を焼き込みます。
Sablateの.vtt書き出しには、キュー番号が付きません。無料プランでは、.srtと.vttの書き出しの末尾に短いクレジット表記のキューが入り、貼り付けたあとに最後のキャプションとして表示されます。無料プランはアカウント不要で、10分までの動画、月3ジョブ、FastとBalancedのモデル、オフライン翻訳レイヤー1つを使えます。焼き込みには小さなコーナーマークが入ります。音声モデルをダウンロードすれば、文字起こしはインターネット接続なしで動作します。Windowsでは、NVIDIA製のグラフィックスカードで文字起こしが速くなります。Macでは、文字起こしはCPUで行われます。Linux版はないため、Linuxではコマンドラインか、OpenShot自身のワークフローを使うことになります。
OpenShotのキャプションとほかの方法の比較
2026年11月15日に、OpenShot 4.1.1(2026年11月2日リリース)、そのドキュメントとソースコード、OpenAIのWhisper READMEで確認しました。
| OpenShotのキャプションエフェクト | OpenShotのAdd Captions from Speech | コマンドラインのWhisper | Sablate | |
|---|---|---|---|---|
| 価格 | 無料 | 無料 | 無料 | 無料プランあり、Proは$29買い切りまたは月額$5.99 |
| 対応プラットフォーム | Windows、Mac、Linux | Windows、Mac、Linux、およびComfyUIサーバー | Windows、Mac、Linux | WindowsとMac |
| 音声から字幕を作る | いいえ | はい、Whisper medium | はい、どのWhisperモデルでも | はい、Whisperの4段階 |
| セットアップ | 不要 | ComfyUI、カスタムノード、モデルファイル | PythonとFFmpeg | インストーラー |
| 動画自体を編集できる | はい | はい | いいえ | いいえ |
| 字幕ファイルの出力 | なし | SRT | SRT、VTT、TXTなど | SRT、VTT、TXT。ProではASSとMKVトラックも |
| 焼き込み字幕 | はい、書き出し時 | はい、書き出し時 | いいえ | はい。無料プランでは小さなコーナーマーク |
| 翻訳 | なし | なし | 英語への翻訳のみ | 他の言語へ、レイヤーとして |
この中で動画を編集できるのはOpenShotだけで、Linux版がないのはSablateだけです。Sablateは、OpenShotに欠けている部分、つまり字幕とそのファイルを作る部分のためにあります。
どの方法があなたの動画に合っていますか?
「短いクリップに5行だけ」 OpenShotのキャプションパネルで、「キャプションを挿入」を使って入力します。ほかにインストールするものはありません。
「SRTはすでにある」 キュー番号を削除するか、VTTとして保存してから、キャプションエフェクトに貼り付けます。
「Linuxで、大きなNVIDIAのカードがあり、ComfyUIもすでに動いている」 Add Captions from Speechを試し、長いクリップで余計な数字が出ていないか確認します。
「Linuxで、ごく普通のハードウェア」 コマンドラインのWhisperを--output_format vttで使い、貼り付けます。
「WindowsかMacで、長い動画、凝ったスタイル、または2つ目の言語の字幕が必要」 字幕アプリで字幕を作り、.vttを貼り付けるか、そこで焼き込みます。焼き込みの選択肢全体は動画に字幕を焼き込む方法で解説しています。
「YouTubeで字幕をオンオフできる必要がある」 OpenShotには入れません。動画は字幕なしで書き出し、.srtまたは.vttを並べてアップロードします。作り方はSRTファイルの作り方で解説しています。
トリミングしても字幕のタイミングを保つには
OpenShotは、キャプションエフェクトのタイミングを、タイムラインではなくクリップの元ファイルを基準に判断します。libopenshotでは、エフェクトが受け取るフレーム番号は元ファイルのフレームです。そのため、元の録画の0:42に合わせたキャプションは、クリップをタイムラインのどこに置いても、先頭をどれだけトリミングしても、0:42に話された言葉に付いたままです。
これで、どのファイルを文字起こしするかが決まります。
- トリミングした長い1本のクリップ(講演、インタビュー、画面録画): 元ファイルを文字起こしして、そのクリップのキャプションエフェクトに貼り付けます。トリミングや移動をしても、同期は保たれます。
- 多数のクリップをつなげた場合: 書き出した動画から作った字幕ファイルは、完成したカットの先頭から数えるため、プロジェクト内のどのクリップにも合いません。別のツールで書き出した動画に焼き込むか、書き出した動画を新しいOpenShotプロジェクトに読み込み、そこでキャプションエフェクトを追加して、もう一度書き出します。その場合は、エンコードがもう1回かかります。
書き出した動画から字幕を作るのは、カットを仕上げてからにしてください。その後でトリミングすると、それ以降のすべてのキャプションがずれます。
OpenShotは、テキストが正しい形で届きさえすれば、約束どおりに動くキャプションエフェクトを備えた、有能な無料エディタです。そのテキストを作るためにComfyUIやコマンドラインを整えたくなければ、SablateをダウンロードしてWindowsまたはMacで使い、クリップをドロップして、.vttをOpenShotに貼り付けるか、そのまま字幕を焼き込んでください。
よくある質問
OpenShotにSRTファイルを読み込めますか?
ファイルとしては読み込めません。OpenShotには字幕ファイルを読み込むコマンドがありませんが、キャプションエフェクトはSRTとVTTのテキストを読み取れます。ファイルをテキストエディタで開いてすべてコピーし、クリップのキャプションエフェクトに貼り付けてください。キャプションは、動画を書き出すときに映像へ描き込まれます。
OpenShotに自動字幕機能はありますか?
はい、OpenShot 4から「AIで強化」メニューの「Add Captions from Speech」で使えます。自分でインストールして接続するローカルのComfyUIサーバーで、ComfyUI-Whisperのノードとモデルファイルを使ってWhisperを動かします。OpenShotはAI機能を実験的なものとしており、NVIDIA製のハイエンドなグラフィックスカードを推奨しています。
OpenShotのキャプションに数字が表示されるのはなぜですか?
SRTファイルのキュー番号です。OpenShotのキャプション解析は、次のタイミング行までのすべての行をキャプションのテキストとして扱い、読み飛ばすのは1文字の行だけなので、キュー10以降は番号が前のキャプションの下に描かれることがあります。番号の行を削除するか、番号のないVTTファイルを貼り付けてください。
OpenShotで字幕を別トラックやSRTファイルとして書き出せますか?
いいえ、できません。キャプションエフェクトは書き出し時に動画のフレームへ描き込まれるため、OpenShotの字幕は常に焼き込みで、オフにはできません。オフにできる字幕が必要なら、キャプションなしで動画を書き出してSRTまたはVTTファイルを並べてアップロードするか、別のツールでファイルをMKVに字幕トラックとして入れてください。
OpenShotでキャプションのフォントと位置を変えるにはどうすればよいですか?
キャプションエフェクトを選び、プロパティを編集します。フォント、ポイント単位のフォントサイズ、文字色、縁取りの色と太さ、背景色と角の丸み、キャプションごとのフェードインとフェードアウトを設定できます。位置を動かすには、ビデオプレビューの白い四角形をドラッグします。これでエフェクトの余白が決まります。スタイルは、そのエフェクト内のすべてのキャプションに適用されます。