AIによる字幕生成と翻訳は、多言語版を作る作業を劇的に楽にしました。以前は文字起こしと翻訳を人が全部やっていた工程が、数分で下訳まで進みます。
ただし、そのまま公開できるものではありません。AI字幕は下訳として優秀ですが、誤りが残る場所には特徴があります。
この記事では、精度が落ちる条件、人が重点的に見るべき3か所、進め方と費用の考え方を整理します。
AI字幕はどこまで実用的なのか？
日本語の文字起こしと、主要言語への翻訳は下訳として実務で使える水準にあります。話している内容をおおむね正しく拾い、文の区切りも自然に入ります。
とくに次の条件がそろうと精度が上がります。
- 1人が話していて、話者の切り替わりが少ない
- ノイズが少なく、マイクが口元に近い
- 原稿を読んでいる、または内容が整理されている
- 専門用語が少なく、一般的な言葉が中心
逆に、精度が落ちるのは次の場合です。
- 複数人が同時に話している（座談会、インタビューの相槌）
- 屋外や工場など、背景音が大きい
- 業界特有の言い回しや略語が多い
- 話が飛ぶ、言い直しが多い
採用動画の社員インタビューは、この「精度が落ちる」側に入りやすい点に注意してください。自然な会話は言い直しや相槌が多く、AIが拾いきれません。AIをどの工程に使えるかの全体像はAI動画制作で任せていい工程・ダメな工程で整理しています。
人が重点的に見るべき3か所は？
次の3か所は必ず人が重点的に見てください。
1つ目は固有名詞です。 社名、製品名、人名、地名。AIは文脈から推測するため、似た音の一般名詞に置き換えられることがあります。自社の製品名が別の単語になっている字幕は、それだけで内容の信頼を落とします。読み仮名や表記の一覧を先に渡せば、精度が上がります。
2つ目は数字と単位です。 「11(じゅういち)」が「17(じゅうしち)」になる、「万」が抜ける、通貨や単位が省略される。金額や期間の誤りは、そのまま誤解を招きます。とくに翻訳では、単位の換算まで踏み込んで誤ることがあります。数字が出てくる箇所は、映像を見ながら1つずつ突き合わせてください。
3つ目は業界用語と社内用語です。 業界では通る略語が、一般的な意味に訳されてしまいます。日本語のままでも意味が通らない字幕になっていることがあり、そのまま多言語に流すと誤りが二重になります。
この3つに共通するのは、AIが「もっともらしい別の言葉」に置き換えてしまうという点です。明らかに文字化けしていれば気づけますが、日本語として自然に読めてしまうため見落とされます。だからこそ、全文を漫然と読み直すより、この3か所を狙って見るほうが確実です。
| 重点的に見る箇所 | 起きやすい誤り | 事前にできる対策 |
|---|---|---|
| 固有名詞 | 似た音の一般名詞に置き換わる | 社名・製品名の表記一覧を渡す |
| 数字・単位 | 桁の誤り、単位の欠落 | 数字が出る箇所を一覧にしておく |
| 業界用語・略語 | 一般的な意味に訳される | 用語と定訳の対応表をつくる |
進め方はどうすればいい？
多言語版をつくるときは、次の順で進めると手戻りが減ります。
- 日本語の字幕を先に確定させる：翻訳は日本語字幕を元にします。日本語が固まる前に翻訳を始めると、修正が言語の数だけ発生します。
- 表記の一覧を先に用意する：社名、製品名、人名、業界用語と、その定訳。この1枚があるかどうかで、修正の量が変わります。
- AIで下訳をつくる：ここは自動で進めます。全文を人が訳す必要はありません。
- 上の3か所を人が重点的に確認する：固有名詞、数字と単位、業界用語などを重点的に確認します。
- その言語が読める人に確認してもらう：可能であれば、その言語が読める人にざっと見てもらいます。文法よりも「不自然な言い回しがないか」を見てもらう目的です。
5番目を省くかどうかは、公開範囲で判断してください。 社内向けの資料なら省いても実害は小さいですが、海外の顧客に向けた広告として出すなら、その言語を読める人の目を1度は通したほうが安全です。
費用と使いどころの考え方は？
字幕だけの多言語化は、費用は大きく増えません。 もとの動画があれば、翻訳と字幕を入れ込む作業が加わるだけです。編集のみの範囲で収まることが多く、言語を増やす追加費用も緩やかです。
一方、費用が増えるのは次の場合です。
- ナレーションを言語ごとに差し替える：音声の生成または収録が言語の数だけ必要になります
- 画面内のテロップを言語別に作り直す：映像に入れ込んだ文字は、言語ごとに編集し直します
- 尺が変わる：言語によって文の長さが変わるため、字幕が読み切れず尺の調整が必要になることがあります
これを踏まえると、最初から多言語展開を考えている動画は、画面内に文字を入れ込まない設計にしておくのが有利です。説明は字幕に寄せ、映像側は文字を最小限にする。この設計にしておけば、言語を追加するときの作業が字幕の差し替えだけで済みます。
AIナレーションを併用する場合の向き不向きはAIナレーションが不自然に聞こえる3つの場面で整理しています。
まとめ
AI字幕・翻訳は下訳として実用段階にありますが、そのまま公開するものではありません。人が重点的に確認すべき箇所は、固有名詞、数字と単位、業界用語の3か所です。日本語字幕を先に確定させ、表記の一覧を用意してからAIに下訳させる順番にすると、手戻りがほとんど出ません。多言語展開を見込む動画は、画面内に文字を入れ込まない設計にしておいてください。
ムービルドは実写・アニメーションの両方に対応しています。多言語展開を前提とする場合は、画面内の文字を最小限にして字幕に寄せる構成をご提案できます。1,000人以上のクリエイターコミュニティと連携しているため、撮影が必要な場合も撮影地の近くのメンバーが対応できます。窓口はディレクター1名に一本化しているため、お客様がカメラマン・編集者のそれぞれとやり取りする必要はありません。費用の最低料金は撮影のみで5万円〜、編集のみで10万円〜、撮影＆編集で15万円〜です。
どの言語まで用意すべきか、字幕とナレーションのどちらにすべきかは用途で変わります。無料相談で公開先をうかがったうえでご提案します。
