無音カットとフィラー除去のやり方:動画で使える4つの方法
動画の無音カットとフィラー除去を、CapCut、auto-editor、DaVinci Resolve、Sablateの4つの方法で比較。言葉を切り落とさず、字幕のタイミングもずらさずに仕上げるコツを解説します。
動画からフィラーと無音を取り除くには、それらを見つけるツールを実行し、印が付いた箇所を確認してから、カットして書き出します。無音は簡単な部分です。CapCut、Clipchamp、auto-editor、DaVinci Resolveはどれも無音を取り除け、無料のものもあります。「えー」や「um」のようなフィラーには音声認識が必要で、人気のツールの多くは英語しか認識しません。
難しいのは切り口です。雑なカットは、次の言葉の最初の子音を削ったり、「um」を半分だけ残したり、その後ろの字幕をすべてずらしたりします。このガイドでは、無料のエディタからコマンドラインツールまで4つの方法と、仕上がりが編集くさくなるか自然になるかを決める設定を取り上げます。
自動カットで言葉が切れたり字幕がずれたりするのはなぜですか?
ほとんどの無音カットは、音量で判断します。DaVinci Resolveはデシベルでしきい値を指定させ、auto-editorは既定で0.04という音量のしきい値を使い、それより小さい音はすべて無音とみなします。ところが、発話は最初から最後まで大きいわけではありません。「f」や「s」、息が混じる語尾、「b」や「p」の直前の短い閉じ区間は、どれもその線を下回ることがあり、ツールは間と一緒にそれらもカットしてしまいます。
これは実際に気づかれています。Descriptのフィードバックボードには、長く続いている要望として「スクリプト内の単語を1つ無視または削除すると、クリッピングが発生する」というものがあり、返信には当然の疑問が書かれています。「音の波形があるのだから無音ではない、とDescriptはなぜ認識できないのか?」(Descript feedback)。
フィラーには、2つ目の問題があります。「um」を見つけるには、ツールが発話を文字起こしする必要がありますが、音声認識はフィラーを省くように訓練されています。多くのローカルツールが使っているWhisperは、促さない限りフィラーをほとんど書きません。書いたとしても、その短い音のタイムスタンプはあいまいです。Whisperとフィラーについての私たちの測定では、実際の音から0.1秒単位でずれていることが多く、「um」の時間が隣の単語の時間に含まれてしまうことも頻繁にありました。そのタイムスタンプでカットすると、フィラーの一部が残るか、次の言葉の出だしを削ってしまいます。
きれいにカットできないフィラーもあります。話し手が「uh」を間なしにそのまま「the」へつなげると、2つの間に無音の点がなく、どこで切っても言葉が傷つきます。
字幕がずれる理由は、もっと単純です。カットのたびに時間が削られるので、それ以降のキューはすべて、ちょうどその分だけ早く動かす必要があります。カット前の動画向けに作った字幕だと、何も動かないため、2秒のカットのあとはそれ以降のキューがすべて2秒遅れて表示され、その遅れはカットのたびに積み重なります。
フィラーと無音を取り除く4つの方法
- CapCutは、自動キャプションの生成中にフィラーに印を付け、Auto Cutツールで話の間を検出します。
- auto-editorは無料のオープンソースのコマンドラインツールで、言語を問わず音量で無音を取り除き、主要なエディタに書き出せます。
- DaVinci Resolveは、タイムライン上のクリップから無音を取り除きます。フィラー除去の機能は公式には記載されていません。
- Sablateは13言語で無音とフィラー音を見つけ、カットのたびに字幕も一緒に動かします。
画面収録から無音を取り除くだけなら、ブラウザで十分です。Clipchampの無音削除は全ユーザーが無料で使え、3秒を超える無音と間を検出し、カットが唐突にならないよう少しだけ間を残します。それより短い間は検出しないので、話のリズムは変えずに録画を引き締められます。
方法1:CapCutのフィラー除去
CapCutはフィラーの検出をキャプションに結びつけているため、このオプションは音声ツールではなくキャプションのパネルにあります。この機能を検索して見つけられない人が多いのは、そのためです。
- 動画を読み込み、タイムラインにドラッグします。
- 「Captions」を開き、「Auto captions」を選んで、話している言語を選択します。
- フィラーを識別するオプションをオンにして、キャプションを生成します。
- 印が付いたフィラーを確認します。CapCutでは、削除することも手動で調整することもでき、書き出す前に結果をプレビューできます。
話の間については、CapCutの「Auto Cut」に、インタビューやVlogのテンポ向けの話の間の検出が含まれています。CapCutのヘルプページによると、Auto CutはWindows版とMac版のアプリとモバイルで動作し、CapCut Webでは動作しません。
限界は、CapCutが公表していない部分にあります。フィラーのページには、キャプションの言語を選ぶこと以外に、対応言語が一覧されていません。また、フィラー検出がCapCutの各プランでどう課金されるかも書かれていません。長い動画で頼る前に、自分の言語の短いクリップで試してください。
方法2:無音カットが無料のauto-editor
auto-editorは、Windows、Mac、Linux向けの、無料でパブリックドメインのコマンドラインプログラムです。録画の「デッドスペース」を取り除きます。READMEは、それを編集の最初のパスと呼んでいます。GitHubのリリースからバイナリをダウンロードするか、MacならHomebrewでインストールして、次を実行します。
auto-editor interview.mp4 --margin 0.2sec -o interview-cut.mp4
--marginは、残す各区間の前後にその長さの音声を残すので、発話が硬い切り口ではなく少しの余白を持って始まり、終わります。カットが多すぎる、または少なすぎる場合は、しきい値をデシベルで指定します。
auto-editor interview.mp4 --edit audio:-30dB --margin 0.2sec -o interview-cut.mp4
コマンドラインを使う価値がある理由は2つあります。1つは、言葉を聞かず音量だけを見るので、どの言語でも動くことです。もう1つは、完成したファイルの代わりに、カットをタイムラインとしてエディタに渡せることです。--export premiereはPremiere Pro用のXMLを書き出し、--export resolveと--export final-cut-proはDaVinci ResolveとFinal Cut Proに同じことを行うので、どのカットも手作業で調整できます。
バージョン31.8からは、字幕ファイルを動画に焼き込むこともでき、その字幕はカットしても言葉についていきます。限界は強みと表裏一体です。「um」は発話と同じ音量なので、auto-editorはフィラーをすべて残します。
方法3:DaVinci Resolveの無音ツール
DaVinci Resolveには、クリップから無音を取り除く方法が2つあり、どちらもBlackmagicの新機能ガイドに記載されています。
- Fairlightページの「Remove Silence」はAI IntelliCutの一部で、Resolve 20で登場し、Studio版のみと記されています(Resolve 20 New Features Guide)。Rangeツールでクリップを選択し、右クリックして「Remove Silence」を選びます。
- EditページとCutページの「Ripple Delete Silence」はResolve 20.2で登場し、「Clip → Audio Operations」の下にあります(Resolve 20.2 New Features Guide)。ガイドにはStudio版のみとは記されていません。
どちらも、何かを取り除く前に、無音になる部分を赤いストライプで表示します。設定も共通で、デシベルのしきい値、音のある区間の前後に残す余白の「Pre Head」と「Post Tail」、無音として取り除く最小の長さです。Pre HeadとPost Tailは0.1〜0.2秒あたりから始め、言葉の最初の子音が削れるようなら上げてください。
Blackmagicのガイドにフィラー検出の記載はないため、「um」は残ります。字幕も必要な場合は、DaVinci Resolveの字幕ガイドにあるとおり、カットのあとに生成して、編集後のタイムラインとタイミングを合わせてください。
方法4:カットに字幕がついてくるSablateのCutsモード
SablateはWindowsとMac向けのデスクトップ字幕アプリで、バージョン1.2からエディタにCutsモードがあります。動画から無音、音楽や背景ノイズ、「um」「uh」「äh」やトルコ語の「ııı」のようなフィラー音を取り除き、すべての言語の字幕がカットに合わせて動きます。
- Sablateで動画を文字起こしし、エディタで開いて「Cuts」に切り替えます。
- 「Natural」か「Tight」を選びます。Naturalは0.6秒を超える間をカットし、発話の後に0.2秒、前に0.15秒を残すので、文と文の間に短い息継ぎが残ります。Tightは0.35秒からの間をカットし、テンポが速くなります。
- 「Also find filler sounds (um, uh)」にチェックを入れたまま、「Find parts to cut」をクリックします。フィラーの検索では、フィラーを書くように促したWhisperで発話をもう一度文字起こしします。RTX 3060 Tiを積んだテスト用PCでは、142秒のクリップで約10秒かかりました。プロセッサのみでsmallモデルを使うと、約30秒です。
- 「Parts to remove」を確認します。各行には、Silence、Music or noise、Filler sound、Filler sound and pauseのいずれかのラベルが付き、その部分の少し前から再生されます。検出器が確信を持てない音は「Maybe a filler sound」として表示され、聞いて自分でオンにするまでオフのままです。「Skip them in the preview」を使うと、カットされた状態の動画をそのまま再生できます。
- 「Apply cuts」をオンにして書き出します。焼き込み動画、字幕なしでカットした動画、またはカット後の動画に合わせた
.srt、.vtt、.assファイルのいずれかを、どの言語レイヤーでも書き出せます(.assはProに含まれます)。
意図的な選択が2つあります。1つは、各フィラーのカットの境界を、Whisperのタイムスタンプではなく音そのものから、つまり音量が下がり始める位置から決めることです。もう1つは、言葉にそのままつながっているフィラーはその場に残すことです。取り除くには、言葉を削るしかないからです。
フィラー音をWhisperで見つけられるのは13言語です。英語、トルコ語、ドイツ語、フランス語、スペイン語、イタリア語、ポルトガル語、オランダ語、ポーランド語、ロシア語、日本語、韓国語、中国語です。それ以外の言語でも、Sablateは長く伸ばしたフィラー音を音声だけから見つけます。「like」「you know」「so」のようにフィラーとして使われる言葉は、意味を持つことが多いので残します。
Cutsは無料プランでも使えます。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、字幕なしでカットした動画にも入ります。Proは$29の買い切り、または月$5.99です。
Sablateができないこと。書き出すのは完成した動画で、Premiere Pro、Resolve、Final Cut Pro向けのXMLタイムラインではありません。また、撮り直しやフライングスタートの検出も行いません。タイムラインが必要なら、auto-editor、Recut、TimeBoltのほうが向いています。撮り直しの検出にはTimeBoltが対応しています。
4つの方法を比較
各ベンダーのヘルプページ、ガイド、READMEで2026年11月17日に確認しました。
| 項目 | CapCut | auto-editor | DaVinci Resolve | Sablate |
|---|---|---|---|---|
| 無音の除去 | あり(Auto Cut) | あり | あり | あり |
| フィラーの除去 | あり | なし | なし | あり |
| フィラーの対応言語 | 非公開 | 該当なし | 該当なし | Whisperで13言語、長い音は任意の言語 |
| カット前の確認 | あり | タイムライン書き出し後、エディタで | あり(赤いストライプ) | あり(再生付きの一覧) |
| Premiere、Resolve、Final Cutへのタイムライン書き出し | なし | あり | 該当なし | なし |
| カットに合わせた字幕の移動 | 記載なし | 焼き込みのみ(バージョン31.8以降) | 記載なし | あり(焼き込みまたはファイル、すべての言語レイヤー) |
| プラットフォーム | Windows、Mac、モバイル | Windows、Mac、Linux | Windows、Mac、Linux | WindowsとMac |
| 料金 | 無料枠+サブスクリプション | 無料 | 無料。Studioは$295の買い切り | 無料プラン。Proは$29の買い切り |
タイムラインの行は、auto-editorが完全に勝っている部分です。無料で、エディタ上であとから変更できるカットが手に入ります。Sablateの答えは、完成した動画と、それにすでに合っている字幕ファイルです。
どの方法を選ぶべきですか?
「Premiere Pro、Resolve、Final Cutで編集していて、カットをタイムライン上で使いたい」: auto-editorを--export付きで使います。RecutとTimeBoltは、同じことをグラフィカルなインターフェースで行います。
「すでにCapCutで編集していて、動画は英語」: 自動キャプションのCapCutのフィラーオプションを使います。いちばんの近道です。
「画面収録の無音を取り除くだけでいい」: ブラウザのClipchamp、またはResolveのRipple Delete Silenceです。
「動画が英語ではない」: Sablateは13言語でフィラー音を見つけます。Premiere ProやResolveの中で使うなら、FireCutプラグインがトルコ語を含む9言語を挙げていて、英語以外は実験的としています。言語別のフィラーで、各ツールの対応状況を比較しています。
「カットした動画に字幕が必要で、複数言語になるかもしれない」: Sablateです。カットと字幕が同じプロジェクトから生まれ、すべての言語レイヤーが動画と一緒にタイミング調整されるからです。
フィラーはどれくらい取り除くべきですか?
思っているより少なめです。「um」をすべて取り除くと、話し手が刈り込まれたように聞こえます。Descript自身のブログも、フィラーをすべて編集で取り除くと「話し手がロボットのように不自然に聞こえがち」だと警告しています(Descript)。カットする価値があるのは、長いものと、話し手が次の考えを探していた間の中にあるものです。流れるような文の途中にある短い「uh」は、たいてい視聴者には聞こえず、カットすると映像が飛ぶだけです。
文と文の間の息継ぎも残してください。すべての間を限界まで切り詰めると、視聴者が今言われたことを理解する場所がなくなります。トーキングヘッド動画なら、最小の間は0.6秒前後が適切な初期値です。短いSNS動画では、もっと詰めてください。
言葉のフィラーは別の判断です。「like」「you know」「so」は、フィラーのこともあれば、文の意味そのもののこともあります。Auphonicのフィラーカッターはこれらをあえて対象外にしており(Auphonic)、Sablateも同じです。本当に空っぽな箇所は、手作業で取り除いてください。
カット後に字幕のタイミングを合わせるには
先にカットし、そのあとで字幕を付けます。この順番なら問題が生じません。字幕は、視聴者が実際に見る動画に合わせて作られるからです。既存の字幕を残す必要がある場合は、カットに合わせて字幕を動かすツールを使うか、カットした動画をもう一度文字起こしします。
字幕を焼き込むのは、カットのあとにしてください。前ではいけません。焼き込んだ文字は映像の一部なので、焼き込み済みの動画をカットするとキューが途中で切れて、文の断片が画面に残ります。動画への字幕の焼き込みでは、文字をくっきり保つ書き出し設定を取り上げています。
最後に、長いカットのあとの最初のキューを確認します。それが遅れて表示されるなら、字幕はカット前の動画向けに作られていて、それ以降のキューもすべて遅れています。
この4つの方法のうち、必要なのはたいてい1つで、どれが合うかは動画の行き先で決まります。字幕、特に複数言語の字幕が付くなら、WindowsまたはMac向けのSablateをダウンロードして、自分の録画でCutsを試してみてください。
よくある質問
動画のフィラーワードを自動で取り除くにはどうすればいいですか?
音声を聞き取ってフィラーに印を付け、カットする前に確認できるツールを使います。CapCutは自動キャプションの生成中に印を付け、DescriptとPremiere Proは文字起こし上に印を付け、Sablateは前後の間と一緒に一覧で表示します。どの検出も見逃しがあり、普通の言葉を誤って拾うこともあるため、一覧は必ず確認してください。
動画の無音部分を無料で取り除けますか?
はい、できます。Clipchampの無音削除は全ユーザーが無料で使え、3秒を超える間を検出します。auto-editorは無料のオープンソースのコマンドラインツールで、音量を基準にカットし、結果をPremiere Pro、DaVinci Resolve、Final Cut Proに渡せます。CapCutもWindows版とMac版のAuto Cutで、話の間を検出します。
自動の無音カットで言葉の一部が切れてしまうのはなぜですか?
ほとんどの無音カットは、発話ではなく音量で判断するからです。弱い子音、息が混じる語尾、破裂音の直前の閉じ区間はしきい値を下回ることがあり、無音として扱われます。フィラー音が次の言葉にそのままつながっている場合は、その言葉の一部を削らずに切ることはできません。カットの前後に余白を持たせ、さっと確認すれば、たいていは解決します。
無音をカットしたあとも字幕のタイミングは合ったままですか?
字幕をカットに合わせて調整し直した場合に限ります。字幕を作ってから動画をカットすると、最初のカット以降のキュー(字幕の表示単位)はすべて、それ以前に削除された時間の合計だけ遅れて表示されます。カットのあとに字幕を作るか、カットに合わせてキューを移動するツールを使ってください。Sablateはカット済み動画や字幕ファイルを書き出すときにそれを行います。
フィラーワードの除去は、どの言語で使えますか?
ほとんどは英語のみです。Descript、VEED、TechSmith Audiateは、フィラーの検出が英語のみだと明記しています。FireCutはトルコ語を含む9言語を挙げ、英語以外の結果は実験的としています。SablateはWhisperで13言語のフィラー音を見つけ、それ以外の言語でも、長く伸ばしたフィラー音なら音声だけから見つけられます。