Video to Text の対応メディア形式

Video to Text は、厳選された音声・動画形式に対応しているため、一般的なファイルを追加設定なしでアップロードできます。始める前に、2 つの上限を確認してください。各ファイルは 5 GB 以下、メディアの長さは 10 時間未満である必要があります。

アップロードの流れを詳しく知りたい方は、Video to Text の使い方をお読みください。ファイルに複数の言語が含まれる場合は、Video to Text の対応言語で言語オプションの説明を確認できます。

対応音声形式

次の音声ファイル形式をアップロードできます。

• .aac
• .flac
• .m4a
• .mp3
• .oga
• .ogg
• .opus
• .wav

これらの形式は、ボイスメモ、ポッドキャスト、インタビュー、講義、編集ツールから書き出した音声トラックのほとんどをカバーしています。

対応動画形式

次の動画ファイル形式をアップロードできます。

• .mp4
• .m4v
• .mov
• .mkv
• .webm

ソースファイルが画面録画、カメラからの書き出し、ブラウザのキャプチャツールのいずれかで作られている場合は、通常これらの形式のどれかが最も簡単な選択肢です。

知っておきたいアップロード制限

Video to Text は、文字起こしの開始前にファイルサイズとメディアの長さの両方をチェックします。

• 最大ファイルサイズ： 5 GB
• メディアの最大長： 10 時間未満

これらのチェックは、ファイルが文字起こしに送られる前に行われます。長いアップロードを最後まで待ってから問題に気づくのではなく、早い段階で問題に気づけるのが利点です。

どの形式を選ぶべきか

メディアを複数の形式で書き出せる場合は、次のシンプルなルールに従ってください。

• 話し声の音声でファイルサイズを抑えたい場合は、MP3 か M4A を選びます。
• ロスレス音声が必要な場合は、WAV か FLAC を選びます。
• 動画は多くの場合、広くサポートされている MP4 を選べば間違いありません。
• ファイルは元の録音にできるだけ近い状態を保ちましょう。何度も再エンコードすると、音声の明瞭さが下がることがあります。

よくあるアップロードのケース

ミーティングとインタビュー

.m4a、.mp3、.wav といった音声主体の形式が最適なことが多いです。モバイルレコーダー、ミーティングツール、編集アプリから簡単に書き出せます。

ポッドキャストと講義

.mp3、.m4a、.flac、.wav はすべて対応しています。ストレージ容量を気にするなら、クリーンな .mp3 書き出しで十分なことがほとんどです。元の品質を保ちたいなら、.wav か .flac を使いましょう。

録画した授業動画とウェビナー

書き出した動画ファイルのほとんどには、.mp4 が最も安全な選択肢です。録画ツールが .webm を出力する場合は、そのままアップロードできます。

アップロード前のチェックポイント

アップロード失敗を避けるために、次の項目を確認しましょう。

1. ファイルの拡張子が、上記の対応形式のいずれかに一致していることを確認します。
2. ファイルを 5 GB 未満にします。
3. メディアが 10 時間未満であることを確認します。
4. 話されている言語がわかっている場合は、開始前に選択しておきましょう。ワークフローがシンプルに保たれます。
5. ミーティングやインタビューで話者ごとに分かれた出力が必要な場合は、話者ラベルをオンにします。

アップロード後の流れ

ファイルのアップロードが完了すると、Video to Text が文字起こしを開始します。処理が終わると、エクスポートページに移動します。文字起こし結果は次の形式でエクスポートできます。

• csv
• srt
• vtt
• txt

言語の選び方やエクスポートの手順を含む全プロセスについては、Video to Text の使い方をご覧ください。