要約・質問・翻訳

文字起こしができたら、Audiotext は言語モデルや翻訳サービスでそれを要約し、それについての質問に答え、翻訳できます。いずれも履歴に保存されるので、生成は一度だけです。

要約

文字起こしの要約モードを開き、要約を生成 をクリックします。言語モデルが次の内容を書きます。

文字起こしの要約。
要点。
タイムスタンプがある場合はチャプター。チャプターをクリックすると、その開始位置から音声を再生します。

パネルのタイトルの下には、要約を生成したモデルと日時が表示されます。ヘッダーのボタン:

検索（Ctrl+F、macOS では ⌘F）: 要約内のテキストを検索します。
コピー: 要約をコピーします。
エクスポート: 要約だけをプレーンテキスト、Markdown、Word 文書として保存します。文字起こしを上書きしないよう、video.summary.md のような名前になります。文字起こしの Markdown と Word のエクスポートにも含まれます。
要約を再生成: 要約を書き直します（別のモデルを選んだ後など）。現在の要約が置き換えられるため、事前に確認されます。

プロバイダーの API キーが設定されていない場合、要約モードで設定を促されます。非常に長い文字起こし（約 3 時間以上の発話）は、冒頭部分だけが要約されます。

要点とチャプターを含む文字起こしの要約

文字起こしについて質問する

質問モードを開き、文字起こしについて質問する… に質問を入力して（何が決まったか、誰が何を言ったかなど）、Enter を押すか質問をクリックします。

言語モデルは文字起こしと、それまでの質問と回答をもとに答えるので、前の質問を受けた質問もできます（例:「なぜ？」）。
文字起こしにタイムスタンプがある場合、各回答には、その内容が話されている箇所へのリンクが付きます。クリックするとその位置から音声を再生します。
質問と回答は文字起こしとともに履歴に保存されます。ヘッダーのごみ箱で、確認の後に会話を消去できます。

質問に答えるのは 環境設定 → プロバイダー → 質問で選んだプロバイダーで、変更するまでは要約のプロバイダーと同じです。要約と同様、非常に長い文字起こしは冒頭部分だけが読み込まれます。

翻訳

翻訳をクリックし、翻訳先: で言語を、翻訳方法: でプロバイダーを選んで確定します。ダイアログには選んだプロバイダーの処理内容が表示され、API キーがない場合は設定を促されます。翻訳は元のテキストの右側のパネルに表示されます。

文字起こしにタイムスタンプがある場合は、各部分の前後に話された内容を文脈として、文単位で翻訳されます。そのため翻訳は各文のタイムスタンプで始まり、再生中の文がハイライトされ、文をクリックすると再生されます。
文字起こしにタイムスタンプがない場合は、テキスト全体がまとめて翻訳されます。
2 つのテキストは一緒にスクロールし、音声の同じ部分を表示します。間のハンドルにある丸いボタンでオン・オフを切り替えます。ハンドルをドラッグするとサイズを変えられ、ダブルクリックで元に戻ります。

翻訳のヘッダーのボタンで、検索と置換、コピー、エクスポート、もう一度翻訳（同じプロバイダーとモデルで）、翻訳を非表示 ができます。翻訳ボタンからは、翻訳を再表示したり、別の言語に翻訳…、翻訳を削除 もできます。

複数の言語

文字起こしは複数の言語に、同時にでも翻訳でき、それぞれの翻訳が保存されます。パネルのタイトルで表示する翻訳を選べ、各翻訳の進み具合が表示され、最後に別の言語に翻訳するオプションがあります。すでに翻訳がある言語に翻訳すると、その修正が失われるため、確認の後に置き換えられます。タイトルのメニューには、未完了の各翻訳で翻訳済みの字幕の数が表示されます（例: 英語 · 148/150）。

翻訳の進捗

進捗は字幕の数で数えます。テキストのある字幕が翻訳済みです。翻訳の上の行に、翻訳済みの数が表示されます（例: 翻訳済み: 148/150 · 98%）。割合は切り捨てられるため、100% はすべて翻訳済みのときだけ表示されます。

未翻訳の字幕が残っている間は、その横の矢印で前後の 未翻訳 の字幕に移動して強調表示でき、現在の位置も表示されます（例: 1 / 2）。字幕にポインターを合わせると右側に テキストを翻訳… ボタンが表示され、翻訳するためのダイアログが開きます。

翻訳を修正してタイミングを調整する

翻訳には、元のテキストとは別のタイミングが必要なことがよくあります（例: 読むのに時間がかかる字幕）。翻訳のセグメントを右クリックすると、次の操作ができます。

テキストを編集…: テキストを変更します。
タイミングを編集…: 開始と終了の時刻をミリ秒単位で変更します。時刻は 00:01:05,900、01:05,9、65.9 のように入力します。
後ろにセグメントを追加…: セグメントを追加します。既定では次のセグメントまでの空きを埋めます。
セグメントを削除。

自分で翻訳する

翻訳を自分で書くには、翻訳方法: で手動を選びます。API キーは不要です。翻訳は文字起こしの字幕ごとに 1 つの空のセグメント（未翻訳 と表示されます）で始まり、パネルには残りの数が表示されます。セグメントを右クリックして テキストを翻訳… を選ぶと、その間に話された元のテキストがダイアログに表示されます。セグメントにポインターを合わせると、右側に同じダイアログを開く テキストを翻訳… ボタンが表示されます。

字幕とエクスポート

動画の文字起こしでは、翻訳メニューの 動画の字幕として表示 をオンにすると、翻訳を字幕として表示します。動画のメニューからも切り替えられます。字幕付きで動画を見るを参照してください。
翻訳をファイルに保存するには、そのパネルのエクスポートボタンをクリックします。文字起こしと同じ形式で、ファイル名に言語を含めてエクスポートされるので（例: video.es.srt）、動画プレーヤーが動画と一緒に読み込みます。未翻訳のセグメントは字幕に含まれません。同じメニューで字幕付きの動画のコピーも作成できます。

プロバイダー

プロバイダーは 環境設定 → プロバイダー で、要約、質問、翻訳それぞれに選びます。

プロバイダー	既定のモデル	API キー
OpenAI（既定）	`gpt-5.4-mini`	OpenAI
Claude（Anthropic）	`claude-haiku-4-5`	Anthropic
DeepSeek	`deepseek-chat`	DeepSeek
Gemini（Google）	`gemini-3.8-flash`	Google AI Studio
Mistral	`mistral-small-latest`	Mistral
Grok (xAI)	`grok-4.3`	xAI
Ollama（ローカル）	`llama3.2`	不要

モデル を空にするとプロバイダーの既定のモデルを使います。プロバイダーのほかのモデル名を入力することもできます（例: claude-sonnet-5-5、deepseek-reasoner）。

翻訳には次のサービスも使えます。

DeepL: DeepL の API キーが必要です。無料プランのキーも使えます。
Google Translate: Cloud Translation API を有効にした Google の API キーを使います。

Ollama

Ollama は、API キーなしで、テキストをどこにも送らずに、お使いのコンピューターでモデルを実行します。インストールしてモデルをダウンロードし（例: ollama pull llama3.2）、プロバイダーに Ollama を選びます。既定のアドレスで動いていない場合は、環境設定 → プロバイダー の サーバー URL を変更します（既定は http://localhost:11434）。