キャプションとは?

キャプションは、再生時刻に同期したテキストトラックです。会話に加え、話者の情報や、内容を理解するために必要な会話以外の重要な音を伝えます。メディアに埋め込むことも、選択可能な独立したリソースとして配信することもできます。

キャプションの仕組み

キャプションのファイルやストリームは、時刻、テキスト、場合によっては配置やスタイルの指定を含むキューで構成されます。文字起こしとは異なり、再生タイムラインに沿って表示されます。また、会話のみの字幕とは異なり、話者、音楽、会話以外の重要な音も伝えます。アクセシビリティのためには、正確なテキストと時刻の同期に加えて、これらの情報が必要です。文字起こしや翻訳の後にキャプションを作成し、続いてタイミングの確認、形式変換、パッケージ化、対象の言語とデバイスでのプレーヤー検証を行います。

要点

  1. Web のテキストトラックには WebVTT が広く使われ、業務用のデータ交換やストリーミングには TTML 系の文書がよく使われます。変換時には、両方のモデルに共通しないスタイルや配置が失われる場合があります。
  2. 構文上は有効なキャプションでも、重要な図や他のキャプションを隠す場合があります。そのため、キューの重なり、折り返し、セーフエリア内の配置は、実際の動画でテストする必要があります。
  3. 焼き込みキャプションは画像のピクセルとなり、トラックへの対応なしで表示されます。ただし、視聴者は非表示にしたり、テキストとして検索したり、別のキャプション言語を個別に選択したりできません。

キャプションが重要になる場面

アクセシビリティ、無音での視聴、ローカライズ、インデックス作成、検索に対応するために、キャプションを追加してください。タイミングや文字エンコーディングが誤っていると、それ以外は有効なトラックでも、内容の理解が難しくなったり不可能になったりします。

メディアの知識を実用的なパイプラインに

単一の宣言的 API で、アップロード、処理、AI、ストレージ、配信を連携できます。エンコードスタックの管理、スケーリング、形式の変化への対応はお任せください。

Transloadit を無料で試す