歌詞文字起こしツール

歌詞の文字起こしが普通の音声認識より難しい理由

歌は、音声認識が前提にしていることの多くを壊します。母音は何拍にも引き伸ばされ、子音は伴奏に埋もれ、言葉はメロディに合わせて形を変え、その下ではバンドが鳴っています。一般的なディクテーションツールは何も返さないか、自信満々にでたらめな段落を返します。この歌詞文字起こしツールは伴奏があっても対応できる認識エンジンを使い、言葉 1 つひとつのタイミングを返します。それが同期歌詞を可能にしています。

その単語ごとのタイミングを、人が歌詞を書くように行にまとめます。フレーズの終わり、0.75 秒ほどを超える息継ぎのあと、または読みにくいほど長くなったところで改行します。読点はある程度の長さがある行でだけ区切るので、「早啊，风在等我」のような短いかけ合いは 1 行のまま。結果は文字の壁ではなく歌詞カードのように読め、各行には最初の言葉が歌われた正確な時刻が残ります。

たいていはボーカル分離はいりません

完成したポップスやフォークのミックスでのテストでは、ボーカル除去を先にかけなくても、歌詞文字起こしツールはすべての歌詞を拾いました。下の中国語のサンプルもそうです。ただし、非常に密なアレンジ、強く歪ませたボーカル、メタルのシャウト、極端に速いラップではつまずくことがあります。そんなときはAIボーカル除去でボーカルを分けてから、ボーカルトラックを文字起こししてください。ボーカルトラックは曲と同じ長さなので、タイミングはまったく同じです。

LRC・SRT・TXT：どの歌詞ファイルが必要？

LRC は同期歌詞の標準形式で、各行が [00:24.44] のようなタイムスタンプで始まります。foobar2000、MusicBee、Poweramp などのプレーヤーや多くのカーオーディオは、MP3 と同じ名前で同じ場所に置けば読み込み、カラオケアプリもそのまま取り込めます。SRT は同じ行を開始・終了時刻付きの番号付き字幕にしたもので、動画編集ソフトが理解できます。YouTube やリールに歌詞を載せるならこちら。TXT はライナーノーツ、Bandcamp のページ、配信代行サービスの歌詞フォーム向けのシンプルな歌詞カードです。

曲から歌詞動画まで、ワンクリック

歌詞が正しく見えたら、結果の下のボタンで歌詞動画メーカーに、すべての行のタイミング付きで渡せます。そこで同じ曲を読み込み、スタイルを選んで MP4 を書き出すだけ。手作業の同期はいりません。まだ制作中なら、AI作詞とAIソング生成で、まずは曲を完成させましょう。

権利についてひと言：文字起こしするのは、自分で書いた曲、使用許可のある曲、または個人的な学習用の曲にしてください。他人の歌詞を公開するには、自分で書き起こしたものでも許諾が必要な場合があります。

歌詞文字起こしツールで良い結果を得るコツ

• 手元でいちばん高音質のファイルを。320 kbps の MP3 や WAV は、スマホで録り直したクリップより格段に良い結果になります。
• 短い曲や多言語が混ざる曲は、自動検出ではなく曲の言語を選びましょう。
• シャウト、強い歪み、とても速いボーカルは、先に AIボーカル除去をかけてボーカルトラックを文字起こし。
• アドリブや繰り返すサビは手で整えて。結果は仕上げ前の下書きです。
• LRC は音声ファイルと同じ名前・同じ場所に置くと、プレーヤーが自動で読み込みます。
• 8 分を超える曲は、イントロをカットするか分割してください。