Sablate ハンドブック

Sablate は、すでにパソコンの中にある動画を字幕に変えます。音声を聞き取り、言葉を 書き起こし、指示すれば翻訳し、間違っているところを直せるようにしたうえで、字幕 ファイルか、字幕を映像に焼き込んだ動画として返します。

変わっているのは、その処理がどこで行われるかです。文字起こしは Whisper でお使いの パソコン上で動き、翻訳は Argos を使えばオフラインで動き、焼き込みは ffmpeg が ローカルで行います。自分のキーでクラウドのエンジンを明示的につながないかぎり、 アップロードも順番待ちも分単位の課金もありません。

Sablate がしないこともはっきりしています。YouTube やほかのプラットフォームからの 動画のダウンロード、吹き替えや音声の生成、クリップの自動カット、話者の判別。ジョブの 元になるのは、ディスクにすでにあるファイルだけです。

Sablate は Windows 10 と 11、および macOS 12 以降で動きます。署名済みの普通の アプリケーションなので、インストーラーが終わったあとに設定することは何もありません。

1. 自分のパソコン用のビルドをダウンロードする

   Windows のインストーラーは約 320 MB で、インストール後は約 1.3 GB を使います。 macOS は Apple silicon (arm64) と Intel (x64) の 2 つのビルドに分かれています。 ダウンロードページは該当しそうなものを選んで示し、ほかも隠さずに並べます。

2. 実行する

   Windows: インストーラーは署名済みなので、SmartScreen の警告は出ません。macOS: アプリは 公証済みです。Applications にドラッグして、いつもどおり開いてください。

3. 最初のモデルをダウンロードさせる

   音声モデルはインストーラーに同梱されていません。初回起動時に Sablate が Balanced モデルをバックグラウンドで取得することを提案します。手元にすぐ使えるものを用意する ためです。その間も Fast でジョブを始められます。

ジョブとは、1 つのソースファイルと、その字幕を作った設定のことです。New job の 画面から作ります。

Sablate は一般的な動画コンテナと音声ファイルを受け付けます。.mp4、.mov、.mkv、 .webm、.avi、.m4v、.mp3、.wav、.m4a、.flac など。音声だけのソースも まったく同じように扱えます。映像が要る項目だけが外れます。

ファイルを入れると、画面の残りが埋まります。そこで話されている言語、翻訳先の言語、 そして聞き取りを担当するエンジンです。

Start を押すとジョブがライブラリに現れ、動いているところを見られます。ほかに 必要なことはありません。初期設定のままで動く構成になっています。

Whisper にはいくつかのサイズがあり、サイズが速さと精度の釣り合いを決めます。Sablate は 4 つのティアと、クラウドのエンジンを用意しています。

名前はカードに表示されるラベルで、その横の id（tiny, small, large-v3-turbo, large-v3）が実際の Whisper モデルです。

たいていの人は Accurate のままでかまいません。Best とほとんど変わらない品質で、数倍 速いからです。どうせ手直しする粗い一度目や、GPU のないパソコンでは Balanced か Fast まで落としてください。

Sablate は Whisper が扱う言語すべて、話し言葉でおよそ 100 言語を文字起こしします。 指定しないかぎり、言語は自分で判別します。音楽から始まるファイルや、2 つの言語が 話されていてそのうち一方の字幕がほしいときは、明示しておく価値があります。

翻訳先の言語は任意です。1 つも選ばなければ文字起こしだけのジョブになり、3 つ選べば 文字起こしに 3 つの翻訳レイヤーが加わり、一度の処理でまとめて作られます。あとから エディターで言語を足せるので、ここですべてを決める必要はありません。

ジョブは削除するまでライブラリに残ります。字幕も、手を入れた内容も、付けたスタイルも、 持っている言語もそのままです。

サイドバーはフィルターも兼ねています。All jobs、Active、Completed、 Failed のそれぞれが、そのフィルターを適用した状態のライブラリへ移動します。

ジョブの実行中、詳細パネルは素っ気ないパーセントではなく、いまどの段階かを示します。 音声の抽出、文字起こし、翻訳、整形です。

終わると、同じパネルがそこから出ていく場所になります。エディターを開くか、直す必要が なければここからそのまま書き出します。

エディターは、文字起こしが字幕トラックに変わる場所です。ジョブを開くと、動画と テキストとスタイルが 1 つのウィンドウにそろいます。

左のレールは 3 つのモードを切り替えます。

• Overview — このジョブが持っている言語と、それぞれを作ったもの。
• Subtitles — キューの一覧とスタイルパネル。実際の作業はここで行います。
• Transcript — 続いた文章としてのテキスト。読むときと、外へコピーするときに。

動画のペインは、ゆるい意味でのプレビューではありません。その上に描かれる字幕は、 焼き込みが使うのと同じスタイル値から描画されます。見えているものが、そのまま 書き出されるファイルの中身です。

どの行もクリックすれば編集できます。変更はすぐプレビューに現れ、指示しなくても 保存されます。タイトルバーのピルには Saved と、最後に書き込んだ時刻が出ます。

タイミングはタイムコードを打ち込むのではなく、ドラッグで扱います。各キューは タイムライン上のブロックです。端をドラッグすれば開始と終了が変わり、ブロックごと ドラッグすれば移動し、ルーラーのどこかをクリックすれば再生位置がそこへ飛びます。

Transcript モードは同じテキストからキューの境界を外したものです。長いジョブを 読んで間違いを見つけるには、たいていこちらが速い方法です。

Split into shorter lines は、トラック全体を 1 行あたり 1 語、2 語、3 語、4 語、 または文字数で折り返し直します。1 行 1 語はショート動画の見た目で、文字数の上限は 放送字幕の流儀です。

Find and replace は、モデルが聞き違えた名前をまとめて直します。効くのはいま 編集している言語だけで、ほかのレイヤーには触れません。正しい表記が別の言語でも同じ語 であることはまずないので、これで正解です。

Import SRT or VTT は手元にある字幕を取り込みます。Sablate が作ったのではない トラックにも、スタイルを付けて焼き込めます。

エディターはマウスよりキーボードのほうが速く、一覧はキー 1 つで出せます。いつでも F1 か ? を押してください。

macOS では Ctrl の代わりに Cmd を使います。

翻訳は別のジョブではありません。すでにあるジョブの上のレイヤーで、タイミングも スタイルも元の動画も共有します。

これは実務で効きます。ずれたキューを一度直せば、すべての言語がそれに従います。 どれも同じ境界を指しているからです。

エンジンを変えたときは、レイヤーごとに翻訳し直せます。削除しても、消えるのはその 言語だけです。

Argos は完全にお使いのパソコンで動き、アカウントは要りません。言語ペアごとに 初回だけ言語パックをダウンロードし、そのあとはずっとオフラインで動きます。品質は たいていの字幕作業に十分で、これが初期設定です。

DeepL、OpenAI、Claude は自分の API キーでつなぎ、料金は自分のアカウントに 請求されます。言い回しの多い話し言葉では読みやすい訳になり、とくに Claude は各行を 切り離して訳すのではなく、キューをまたいで文脈を引き継ぎます。

音声モデルはブランド名や人名、製品名を書き間違えます。しかも決まって、毎回同じように 間違えます。行ごとに直すのではなく、一度だけ書き出しておいてください。

カスタム辞書に入れた語は、ローカルでもクラウドでも、処理が始まる前にモデルへ 渡されます。だから最初から正しい表記で出てきます。自社の製品名、よく登場する人物、 いつも誤って返ってくる専門用語は、入れておく価値があります。

すでに文字起こしが終わったジョブには、Find and replace が同じ直しをあとから 行います。

Sablate には 4 つのグループに分かれた 13 のプリセットが付属します。色を差し替えた だけのものではなく、それぞれが設計されたデザインです。

• Viral — Hormozi, Beast, Reels, One Word, Karaoke, Pop
• Clean — Classic, Podcast, Creator, Highlighter
• Bold — Impact, Minimal
• Cinematic — Cinema

初期設定は Classic で、配信サービスが出す字幕のような見た目です。Viral のグループは 縦長の動画のために作られています。大きく、太く、コントラストが高く、一度に 1 語か 2 語。

ギャラリーの下のパネルで何かを変えれば、そのスタイルは自分のものになります。名前を 付けて保存すれば、あとのジョブでも使えます。

Whisper は行ごとだけでなく語ごとにタイムスタンプを返します。だから、こちらが余計な 手間をかけなくてもこれができます。

• Color — いま話している語の色が変わります。
• Box — 塗られたピルがいま話している語を追いかけます。
• Fill — 話されるにつれて、行が左から右へ塗られていきます。
• Word — 画面に出るのは、いまの語だけです。

話されている言語では、モデル自身が出した語の境界なのでタイミングは正確です。翻訳 レイヤーでは語をキューの中に割り振るため、語順が変わってもスイープは行に合ったまま 進みます。

Sablate に付属するフォント、Montserrat ExtraBold、Anton、Bangers、Bebas Neue、 Archivo Black は、インターフェースだけでなくレンダラーにも同梱されています。これらを 選ぶ理由はそこにあります。お使いのパソコンにしかない書体は、プレビューでは正しく 見えても、書き出した動画では黙って別のものに変わります。

選んだ書体で描けない言語があれば、パネルがそれを伝え、代わりに使う書体の名前を 示します。

動く映像の上で字幕を読めるようにするのは、縁取りと影です。太い縁取りはほとんどどんな 素材でも効きます。情報量の多い映像には、半透明の背景ボックスのほうが安全です。

字幕は 9 つの位置のどれかに、指定した余白を取って置かれます。慣習は下中央です。画面の 下で大事なことが起きるときは上中央にします。縦長の動画では、横長の動画より高い位置に 置きたくなるのが普通です。

Frame は焼き込む動画そのものの形を変えます。元のままにするか、9:16 か 1:1 に 切り直すかを選び、端を切り落とすか、映像をぼかして埋めるかを決めます。字幕ファイルは これに影響されません。変わるのは書き出される動画だけです。

書き出しには、手を入れた内容が反映されます。エディターを一度も開かずにライブラリから 書き出した場合も同じです。

音を出さずに再生するのが既定のプラットフォーム、TikTok や Reels、Shorts は、字幕が 映像の一部であることを前提にしています。焼き込みがするのはそれです。パネルで指定した とおりのスタイルで字幕を描き込み、動画をエンコードし直します。

焼き込みはプレビューと同じ字幕レンダラーを使います。フォントも縁取りもカラオケの スイープも位置も、そのまま残ります。書き出しは元の縦横比のままでもできますし、途中で 9:16 や 1:1 に切り直すこともできます。

もう半分が ソフト字幕の .mkv です。1 つの動画ファイルがすべての言語を切り替え 可能なトラックとして持ち、エンコードし直さないので画質も落ちません。

Pro では 2 つのことが一度に扱えるようになります。

複数のファイルを一度に — フォルダー 1 つ分の動画を New job の画面に放り込めば、 1 つの設定がすべてに適用されます。順番待ちに並び、順に処理されます。

すべての言語を 1 回の操作で — 翻訳レイヤーを 4 つ持つジョブなら、メニューの項目 1 つで 4 つの字幕ファイルをフォルダーに書き出すことも、4 本の焼き込み動画を書き出す こともできます。

動画 1 本に字幕を付けるのと、毎週 4 言語でチャンネルを回すのとの違いは、ここにあります。

General にはインターフェースの言語、つまり英語かトルコ語と、テーマがあります。 テーマは初期設定ではシステムに従います。

Defaults は新しいジョブの出発点です。話されている言語、モデル、翻訳エンジン、 翻訳先の言語、プリセット、そしてジョブが終わったときにエディターを自動で開くか どうか。ここにあるものは、どれもジョブごとに上書きできます。

Providers は API キーを置く場所であり、ディスク上の Whisper モデルと Argos の 言語パックを管理する場所でもあります。使わなくなったものの削除もここで行います。

初期設定では、どこへも行きません。

• 動画がパソコンから出ることはありません。Sablate は置かれている場所から読むだけです。
• ローカルの Whisper ティアでの文字起こしは、ローカルの処理です。アップロードも 順番待ちもありません。
• Argos の翻訳も、言語パックがディスクにあればローカルです。
• スタイル、プレビュー、焼き込みもすべてローカルです。お使いのパソコンの ffmpeg が 処理します。

唯一の例外は、自分でつないだクラウドのエンジンです。文字起こしに OpenAI か ElevenLabs を選べば音声が、翻訳に DeepL、OpenAI、Claude を選べばテキストが、そこへ 送られます。アプリは選ぶその場で、毎回そう伝えますし、ジョブが黙ってエンジンを変える ことはありません。

Sablate 自体が外へ出す通信は 2 種類です。1 日 1 回ほどのライセンス確認と、使った場合の 機能要望フォーム。どちらにも、あなたのメディアに関するものは含まれません。

Free は期限なしで、アカウントも要りません。10 分までの動画、月 3 件のジョブ、Fast と Balanced のティア、オフラインの翻訳レイヤー 1 つ、.srt、.vtt、.txt の 書き出し、隅にマークの入る焼き込み動画、エディターのすべて、GPU アクセラレーション、 13 のプリセットすべて。10 分の壁を初めて越えるジョブは長さの制限なく処理され、翻訳 レイヤーを 3 つ持てることがあります。

Pro は $29、一度きりです。長さも件数も無制限、Whisper のすべてのティア、自分の キーによるクラウドの文字起こしと翻訳、.ass とソフト字幕の .mkv、マークの入らない 焼き込み、バッチ処理、すべての言語をワンクリックで書き出す機能、語単位の編集、自作の プリセット。

Pro は一度買うだけ。Pro のアップデートは生涯無料です。サブスクリプションも更新も ありません。

ライセンスは同時に 1 台のパソコンにひも付きますが、移せます。ここで解除し、同じキーで 新しいパソコンを有効化してください。ボリュームパックはチーム向けに最大 10 ライセンス までをまかないます。

「Sidecar is not ready」 — 実際の処理を行うローカルのエンジンが起動しませんでした。 Settings → About から再起動してください。それでも失敗し続ける場合は、Windows なら %APPDATA%\Sablate\logs\main.log、macOS なら ~/Library/Application Support/Sablate/logs/main.log のログに理由が書かれています。

モデルのダウンロードが止まる — モデルは Hugging Face から来ます。原因はたいてい 社内プロキシか VPN です。途中まで落ちたファイルは安全に破棄されるので、ジョブを やり直せばきれいに再開します。

文字起こしが思ったよりずっと遅い — GPU が使われているか確認してください。GPU が ないと、Best ティアは動画の長さの数倍かかることがあります。モデル選択の下に出る警告は、 それを伝えています。

焼き込んだ動画がプレビューと違って見える — 同梱のフォントを使っているかぎり、 起こらないはずです。お使いのパソコンのフォントを選んだ場合、レンダラーがそれを持って いないことがあります。Sablate に付属する 5 つのどれかに切り替えてください。

元の動画が見つからない — ジョブを作ったあとにファイルを移動したり名前を変えたり すると、リンクが切れます。エディターからつなぎ直せば、ほかはすべて残っています。