トランスクリプト

履歴で文字起こしを選ぶと開きます。ツールバーで字幕、プレーンテキスト、要約、質問の 4 つのモードを切り替えられ、翻訳ボタンと ⋯ メニューがあります。

文字起こしは、その言語名をタイトルにしたカードに表示されます。カードのヘッダーのボタンで、検索と置換、コピー、エクスポート、もう一度文字起こし ができます（テキストの修正が失われるため、事前に確認されます）。

字幕

文字起こしを動画の字幕単位に分けて表示し、各字幕の開始と終了の時刻、話者を識別した場合は話者も表示します。字幕の長さは字幕の環境設定に従います。

既定では、時刻は字幕と同じくミリ秒単位で表示されます（00:01:05,900 – 00:01:09,350）。簡略化するには（01:05 – 01:09）、⋯ メニューの 正確なタイムスタンプ (HH:MM:SS,mmm) をオフにします。

字幕の上の行には、字幕の数と、話者を識別した場合は話者の数が表示されます（例: 字幕: 120 · 話者: 3）。複数の字幕に分割された長いセグメントは、その数だけ数えられます。

タイムスタンプが使えるのは WhisperX と、Whisper API の whisper-1 および gpt-4o-transcribe-diarize モデルだけです。タイムスタンプがない場合は字幕単位で再生できないので、代わりに プレーンテキスト モードを使います。

音声を再生する

字幕をクリック すると、その位置から音声を再生します。再生中の字幕がハイライトされ、テキストの中央に保たれます。単語ごとのタイミングがあれば、各単語もハイライトされます。
プレーヤーバーで再生、一時停止、任意の位置への移動、速度の変更（0.5× から 2×、声の高さは維持）ができます。
キーボードショートカット: Space で再生・一時停止、←/→ で 5 秒戻る・進む。

ソースファイルが移動または削除された場合、音声は利用できませんが、テキストは残ります。マイクの録音は Audiotext が保存しているので、いつでも再生できます。

再生中の文字起こし(現在のセグメントが強調表示されています)

字幕付きで動画を見る

動画の文字起こしでは、テキストの上に動画が表示されます。動画のメニューから 動画に字幕を表示 をオンにし、字幕の サイズ（小・中・大）、位置（下・上）、スタイル（暗い背景・縁取り）を選べます。文字起こしに翻訳がある場合は、字幕に 文字起こし といずれかの言語への翻訳のどちらを表示するかもこのメニューで選べます。プレーヤーバーの字幕ボタンでも表示と非表示を切り替えられ、その横の矢印から同じメニューを開けます。

検索と置換

Ctrl+F（macOS では ⌘F）を押すか、ヘッダーの虫眼鏡をクリックすると、作業中のテキスト（文字起こしまたはその翻訳）を検索・置換するウィンドウが開きます。入力すると同時にテキストを検索し（タイムスタンプと話者は検索対象外）、一致数を表示します。

Enter と Shift+Enter、または矢印で、次と前の一致に移動します。
置換は現在の一致を、すべて置換 はすべての一致を置き換えます（綴りを間違えた名前など）。大文字・小文字が同じテキストだけを探すには 大文字と小文字を区別 をオンにします。
このウィンドウはモーダルではないので、開いたままテキストを読んだり再生したりできます。最前面に表示 でメインウィンドウより前に表示し続けます。
Esc で閉じます。

プレーンテキスト モードでは、ウィンドウは検索のみを行います（文字起こし内を検索）。そこでの一致は字幕に対応付けられないためです。置換するには字幕に戻ってください。

文字起こしを修正する

タイムスタンプ（字幕と再生で使われます）を保ったまま文字起こしを修正するには、検索と置換ウィンドウを使うか、字幕を右クリックします。

ここから再生: その字幕を再生します。
コピー: テキストをコピーします。
テキストを編集…: テキストを変更します。
話者の名前を変更…: 各話者に名前を付けます（SPEAKER_00 → 花子）。2 人の話者に同じ名前を付けると統合されます。⋯ メニューにもあります。

変更されなかった単語はタイミングが保たれるので、再生中も引き続きハイライトされます。

信頼度の低い単語を確認する

エンジンが最も自信のない単語には下線が引かれるので、どこから見直せばよいかがわかります。WhisperX は単語のタイミングを決めるときに各単語を評価し（単語ごとのタイミング、既定でオン）、Whisper API の whisper-1 モデルは各セグメントを評価するため、そのセグメントは全体に下線が引かれます。

テキストの上のバーに、確認が残っている単語の数が表示されます（例: 確認待ち 12 件中 3 件）。

バーの矢印、または Ctrl+J と Shift+Ctrl+J（macOS では ⌘J と ⇧⌘J）で次と前の単語に移動し、プレーヤーもその位置に移動します。自動再生 をオンにすると、各単語が前後を少し含めて再生されます。
Enter で、移動先の単語をそのまま承認して次の単語に進みます。残りをすべて承認 は残りの単語をすべて承認し、元に戻す は直前の確認を取り消します。
単語をクリックするとその場で修正できます。正しいテキストを入力して Enter を押します（変更せずに承認することもできます）。もう一度再生（Ctrl+R、macOS では ⌘R）でもう一度再生し、Esc で閉じます。
マークのみ は、確認する単語を含む字幕だけを表示します。
単語は音声の再生位置の下にもマークされます。マークをクリックするとその単語に移動します。

すべて確認すると、承認した単語をもう一度確認 で承認した単語を戻せます。修正した単語は確認済みのままです。

評価が 40% 未満の単語に下線が引かれます。⋯ → 低信頼度のしきい値、またはバーの しきい値を調整 から、20% から 70% の間で別のしきい値を選べます。下線をやめてバーを隠すには、⋯ メニューの 信頼度の低い単語を強調表示 をオフにします。

文字起こしに評価がない場合は、⋯ メニューに理由が表示されます: 「単語ごとのタイミング」をオンにして再度文字起こしする、この言語のアライメントモデルはありません、単語を評価するには再度文字起こしする（単語が評価されるようになる前に作成されたもの）、単語を評価するのは WhisperX と whisper-1 のみです。

プレーンテキスト

プレーンテキスト モードには、文字起こしのテキストがタイムスタンプなしで表示されます。字幕から組み立てられるため、モードの横の注記のとおり読み取り専用です。変更するには字幕を修正すると、プレーンテキストもそれに従います。これにより、すべてのエクスポートと翻訳で同じテキストが使われます。

タイムスタンプのない文字起こし（例: Google API のもの）には字幕がないため、そのプレーンテキストはテキストエディターのように自由に編集できます。変更は自動で保存されます。

コピーとエクスポート

ヘッダーのコピーボタンは、文字起こしのテキストをコピーします。

エクスポートボタン（または Ctrl+S、macOS では ⌘S）で、次の形式で保存します。

形式	内容
JSON (`.json`)	テキスト、タイムスタンプ・単語・話者付きのセグメント、要約（ある場合）
Markdown (`.md`)	要約（ある場合）と、段落ごとのタイムスタンプと話者付きのテキスト
Web 字幕 (`.vtt`)	Web 用の字幕
Word 文書 (`.docx`)	Markdown と同じ内容で、編集や印刷にそのまま使えます
スタイル付き字幕 (`.ass`)	話者ごとに色分けした字幕。動画プレーヤーや動画編集ソフト向け
プレーンテキスト (`.txt`)	テキスト
字幕 (`.srt`)	動画プレーヤー用の字幕
表 (`.tsv`)	1 セグメント 1 行で、開始と終了（ミリ秒）とテキスト

字幕と表にはタイムスタンプが必要です。翻訳と要約は、それぞれのパネルからエクスポートします。

字幕付きの動画をエクスポートする

字幕ファイルを読み込めない場所（SNS など）で動画を共有するには、文字起こしまたは翻訳のエクスポートメニューで 字幕付き動画 (.mp4)… を選びます。Audiotext は、アプリでの表示どおりに字幕を描き込んだ動画のコピーを作成します。サイズ、位置、スタイルも同じです（字幕付きで動画を見るを参照）。

コピーはバックグラウンドで作成され、ステータスに進捗が表示されます。中止するには、同じメニューで 動画への字幕の追加を中止 を選びます。コピーは MP4 ファイル（H.264 映像、AAC 音声）で、元の動画は変更されません。

システムのどのフォントにも含まれない文字が字幕にある場合、その文字は四角で描かれ、完了時に Audiotext がその文字を一覧表示します。トラブルシューティングをご覧ください。

名前の変更、タグ、メモ

文字起こしのヘッダーには、名前、ソース、日付、タグが表示されます。名前をダブルクリックすると変更でき、タグをクリックすると変更でき、メモを追加 をクリックするとメモを書けます。メモまたはその鉛筆をクリックすると編集でき、ごみ箱をクリックすると削除できます。

⋯ メニューにもこれらのオプションがあり、ソースファイルのフォルダーや 保存したファイルのフォルダー を開くこともできます。その他のオプションは履歴にあります。