PotPlayer Whisperで字幕を生成する方法

PotPlayerのWhisper対応は、動画の音声をプレーヤーの中で字幕に変えます。動画を右クリックして「字幕」(English: Subtitles)を開き、「音で字幕を作成...」(English: Create subtitles from audio...)を選び、エンジン、モデル、言語を決めて開始します。必要なものは初回使用時にPotPlayerがダウンロードし、結果は動画の隣に.srtとして保存できます。

この機能は、2024年12月11日にリリースされたPotPlayerの241211ビルドで登場し、その後もエンジンの追加、更新ボタン、VAD、ストリーム向けのリアルタイムモードと拡張が続いています。この記事では、手順、パソコンに合うエンジンとモデルの選び方、リアルタイムモード、翻訳、よくある不具合、そしてこの機能の限界を解説します。事実は、PotPlayerの公式バージョン履歴、英語のインターフェース、各エンジン開発者のリポジトリに基づき、2026年11月3日に確認したものです。

PotPlayerでWhisperを使って字幕を生成するには?

6つの手順です。メニューと設定の名前は、PotPlayerの日本語インターフェースのものです。

1. 動画ファイルを開きます。 通常モードはファイル専用で、ストリームには「Only files are available.」(ファイルのみ利用できます)と表示されます。
2. 動画を右クリック → 「字幕」(Subtitles) → 「音で字幕を作成...」を選びます。
3. 「Whisper AI エンジン」(English: Whisper AI engine)を選びます。 初回は「Does download the engine?」(エンジンをダウンロードしますか?)と尋ねられます。
4. 「Whisper AI モデル」と「Whisper AI 言語」を選びます。 モデルのダウンロードも同じように促されます。
5. 「可能であれば、動画と同じフォルダに字幕を保存する」にチェックを入れます。 250226ビルドで「動画と同じ名前」での保存が追加されたため、movie.mp4の隣にmovie.srtができます。
6. 開始します。 PotPlayerが音声を取り出し、エンジンを実行して、字幕を読み込みます。

同じウィンドウには、ほかに2つのオプションがあります。「再生開始時の自動生成」は、ファイルを開くたびにジョブを実行します。1回しか見ない映画より、講義のフォルダー向けです。「Applying voice emphasis filter when extracting sound」(音声抽出時に音声強調フィルターを適用)は、抽出した音声で声を強調するもので、話の裏で音楽が流れているときに試す価値があります。

PotPlayerは無料で、potplayer.tvによると、Windows 11、10、8.1、8、7で動作します。現在のビルドは261021です。

PotPlayerで選ぶべきWhisperエンジンは?

グラフィックカードで選びます。「Whisper AI エンジン」のリストには、OpenAIのWhisperモデルをそれぞれ別のビルドで動かす7つのエンジンがあります。ダウンロードサイズは、2026年11月3日時点のKakaoのサーバー上の値です。

CPU、BLAS、Vulkan、CUDAはwhisper.cppのビルドです。Const-meのWhisperは、自身を「a Windows port of the whisper.cpp implementation」(whisper.cpp実装のWindows移植版)と説明しています。2つのFaster-WhisperエンジンはPurfviewのwhisper-standalone-winのもので、READMEは対象のプログラムとしてPotPlayerを挙げ、実行ファイルは「automatically will choose to work on GPU if CUDA is detected」(CUDAが検出されると自動的にGPUで動作するよう選択する)と述べています。作者は古いFaster-Whisperビルドを非推奨としているため、NVIDIAで使うのはFaster-Whisper-XXLです。

Faster-Whisper-XXLは250226ビルドで、エンジン用の「Update」(更新)ボタンとともに追加されました。動画の再生中は更新できず、PotPlayerが先に再生を止めるよう求めます。

PotPlayerのWhisperモデル:どれが適切か?

PCが受け入れられる時間で処理を終えられる、最も大きなモデルです。whisper.cppのエンジンは次のモデルファイルを使います。サイズはここでもKakaoのサーバー上の値です。

小さいモデルには英語専用の.en版があり、すべて英語の音声ではそちらのほうが良い結果が出ます。2つのFaster-Whisperエンジンは、これらのファイルではなくfaster-whisper独自のモデル形式を使います。

大きければ良いとは限りません。Whisperモデルの比較では、同じクリップで小さいモデルが拾えた区間をlarge-v3が飛ばしました。クリップ1本でありベンチマークではありませんが、最大のファイルではなくlarge-v3-turboから始める理由にはなります。

250625ビルドでは、無音を飛ばし、音楽や間の部分にWhisperが書いてしまう架空の行を減らす音声区間検出のVAD(Voice Activity Detection)が追加されました。この架空の行については、Whisperが同じ行を繰り返し、存在しない文章を作る理由で扱っています。

リアルタイムモード:再生しながらPotPlayerで字幕を出す

250909ビルド以降、PotPlayerは「音で字幕生成(リアルタイム)」(English: Create subtitles from audio(Real-time))も使えます。再生に合わせて文字起こしを行い、「Not used」(使用しない)、「Use if there are no subtitles」(字幕がないときだけ使用)、「常に使用」の3つから設定できます。さらにもう1つ、ファイルではないソースに限るオプションとして「字幕が利用できない場合にのみ使用(ファイルではない)」があります。

つまり、2つのモードで役割が分かれます。ディスク上のファイルは通常モードで処理され、音声全体が処理されて.srtも保存できます。ライブ配信などファイルではないソースはリアルタイムモードで処理され、いま再生されている内容に字幕が付きます。260114ビルドでは、ライブ配信中にリアルタイム字幕がずれていく問題が修正されたので、評価する前に更新してください。

PotPlayerはWhisperの字幕を翻訳できますか?

できます。Whisper機能より前からある字幕翻訳を使います。「Subtitle Translation」(字幕翻訳)メニューで「Translation Engine」(翻訳エンジン)を選び、翻訳のみ、原文の上、原文の下のどれで表示するかを決めます。現在のインストーラーには、Google、Bing、DeepL、Papago、Yandex、LibreTranslate、LM Studio用の翻訳プラグインが入っており、DeepLとPapagoは自分のAPIキーが必要です。

新しい「内蔵AI翻訳」は、PotPlayerがGGUF形式でダウンロードするローカルの言語モデルを動かすため、テキストはPCの外に出ません。オンラインのエンジンは字幕のテキストを各サービスに送るので、機密性の高い動画では注意が必要です。

220706ビルドでは「字幕保存時に翻訳も保存できる機能」が追加され、翻訳を保存ファイルに残せるようになりました。翻訳を長く使うなら、修正したあとの.srtを翻訳するほうが安全です。選択肢の比較は、動画を自分の言語に翻訳する方法にあります。

PotPlayerのWhisperが動かない:確認すること

次のリストを上から順に確認してください。

1. PotPlayerを更新する。 Whisperは2024年12月以降、ほぼすべてのビルドで変わっています。250313ビルドではNVIDIA 5000シリーズのカードでのWhisper-Fasterが修正され、250514ビルドではWhisperの追加オプションの扱いが改善されました。
2. エンジンやモデルがダウンロードされていない。 「Open engine folder」(エンジンフォルダを開く)と「Open model folder」(モデルフォルダを開く)で、何が届いているかを確認します。PotPlayerの開発者は韓国語のユーザーフォーラムで、自動ダウンロードが失敗したときはファイルを手動でダウンロードして、そこに置けると述べています。
3. Windowsのユーザー名に英語以外の文字がある。 同じフォーラムの返信で、開発者は不具合の1つをアカウント名の韓国語の文字が原因だと突き止め、そうした文字を含まないアカウントを使うよう提案しました。ユーザー名に中国語、日本語、キリル文字、アクセント付きの文字が含まれている場合も、原因から外しておく価値があります。
4. GPUメモリ不足、または遅すぎる。 小さいモデルを選ぶか、CUDAからFaster-Whisper-XXLへ、またはその逆に切り替えます。
5. ストリームが拒否される。 「Only files are available」(ファイルのみ利用できます)は通常モードの表示です。そのソースにはリアルタイムモードを使います。

テキストは出たものの間違っている場合は、まず言語設定を確認してください。PotPlayer自身の注意書きは、責任がどこまでかをはっきり述べています。「PotPlayer is not involved in Whisper AI conversion」(PotPlayerはWhisper AIの変換に関与しません)とあり、異常な結果については「contact the engine developer」(エンジンの開発者に連絡する)よう求めています。

PotPlayerのWhisperが苦手なこと

字幕を、見ながら読むためではなく公開するために使う場合です。PotPlayerが動かすFaster-Whisperエンジンを作っているPurfviewは、自身のリポジトリのディスカッションではっきりこう述べています。「PotPlayer is not the right tool to generate proper subtitles. As far as I know, it takes text from the progress output, which isn't actual subtitles.」(PotPlayerは適切な字幕を生成するのに向いたツールではありません。私の知る限り、進行状況の出力からテキストを取っていて、それは本物の字幕ではありません。)

PotPlayerはプレーヤーです。「Browse/Edit/Sync Subtitles」(字幕の参照/編集/同期)ウィンドウ(Alt+E)では、行の修正やタイミングのずらしができますが、波形のタイムラインも、読む速度のチェックも、完成した動画向けのキャプションプリセットもありません。今夜、外国語の動画を理解するだけなら、それで十分です。YouTubeやクライアント、講座に出すなら、そのあとでファイルをエディターで仕上げる必要があります。

SablateがPotPlayerより向いているのはどんなときか?

字幕を納品したいとき、つまり修正し、スタイルを付け、書き出したい場合で、WindowsでもMacでも使えます。

SablateはWindows 10以降とmacOS 12以降に対応したデスクトップアプリです。faster-whisperを4つのティアで実行します。Fast(tiny)、Balanced(small)、Accurate(large-v3-turbo)、Best(large-v3)で、選ぶエンジンはありません。NVIDIA GPUを搭載したWindowsでは、初回のGPU使用時にCUDAランタイムがダウンロードされます。エディターではタイムライン上でキューのタイミングを調整し、分割や結合ができ、読むのが間に合わない速さの行には警告が出ます。

1回の文字起こしから複数の翻訳レイヤーが作られ、それぞれが独自のスタイルと、その言語に合ったフォントを持ちます。13のキャプションプリセット、単語単位のカラオケスイープ、9:16、1:1、16:9での焼き込みで、結果を完成した動画に仕上げます。

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つに対応します。焼き込み動画には隅に小さなマークが入ります。Proは$29の買い切りまたは月$5.99で、そのほかは料金ページに記載しています。

PotPlayerとSablateの比較

価格、ストリーム向けのリアルタイム字幕、エンジンと翻訳ツールの選択肢では、PotPlayerが勝ります。話せない言語の動画を見て内容を追いたいだけなら、PotPlayerのままで十分です。Sablateは、字幕を完成した見た目でPCの外へ出す必要があるときのルートです。

どのルートを選ぶべきか?

「見ている動画の内容を理解したい。」 PotPlayerにlarge-v3-turbo、外国語なら字幕翻訳も使います。

「NVIDIAのカードがある。」 Faster-Whisper-XXLかCUDAにlarge-v3-turboです。

「AMDまたはIntelのグラフィックスを使っている。」 Vulkanに、待てる時間に応じてsmallかlarge-v3-turboを組み合わせます。

「Macを使っている。」 PotPlayerはMacでは動きません。無料のルートはWhisperを使うSubtitle Editで、近道はデスクトップの字幕アプリです。

「YouTubeやクライアント向けの字幕が必要。」 プレーヤーではなくエディターで生成し、タイミングと行の長さを確認できるようにします。

「1本の動画に3言語のスタイル付きキャプションがほしい。」 SablateをWindowsまたはMac向けにダウンロードしてください。

よくある質問

PotPlayerでWhisperを使うにはどうすればいいですか?

動画ファイルを開いて右クリックし、「字幕」(Subtitles)メニューから「音で字幕を作成」を選びます。Whisper AIのエンジン、モデル、話されている言語を選んで開始してください。初回はエンジンとモデルのダウンロードを促され、そのあと音声を取り出してWhisperを実行し、終わると字幕が読み込まれます。

PotPlayerではどのWhisperエンジンを選べばいいですか?

NVIDIAのグラフィックカードならFaster-Whisper-XXLかCUDA、AMDやIntelのGPUならVulkan、使えるGPUがなければCPUかBLASです。Faster-Whisper-XXLはダウンロードが約2.5 GBと最大で、CPUエンジンは4 MB未満です。古いWhisper-Fasterエンジンは作者によって非推奨とされています。

PotPlayerはWhisperの字幕をどこに保存しますか?

動画と同じフォルダに字幕を保存するオプションがオンなら、動画と同じ名前のSRTファイルが動画の隣に保存されます。動画名での保存は250226ビルドで追加されました。開始前にオプションにチェックを入れておけば、結果をどの字幕エディターやプレーヤーでも開けるファイルとして残せます。

PotPlayerでリアルタイムに字幕を生成できますか?

できます。250909ビルド以降、PotPlayerは再生中の音声からリアルタイムで字幕を生成できます。使用しない、字幕がないときだけ使用、常に使用の3つから選べます。ライブ配信のようにファイルではないソース向けの機能で、ディスク上のファイルは通常モードが音声全体を処理します。

PotPlayerのWhisperが動かないのはなぜですか?

多くはエンジンやモデルのダウンロード失敗、古いPotPlayerのビルド、エンジンが対応していないグラフィックカードのどれかです。まずPotPlayerを更新してください。2025年のビルドでNVIDIA 5000シリーズのカードの不具合が修正されています。ダウンロードに失敗する場合は、エンジンフォルダとモデルフォルダを開いて手動でファイルを置きます。開発者は、Windowsのユーザー名に含まれる韓国語の文字が原因の不具合も確認しています。

PotPlayerにはMac版がありますか?

ありません。PotPlayerの公式サイトが挙げる対応OSはWindows 11、10、8.1、8、7だけで、x86、x64、ARM64の各ビルドがあります。Macで音声から字幕を生成するには別のツールが必要で、デスクトップの字幕アプリやSubtitle Editがあり、どちらもmacOSでWhisperをローカルで実行できます。