録音を放り込むと（動画でも構いません。音声トラックだけを使います）、波形の上に間の部分が灰色で示されます。しきい値と最短の無音の長さを調整し、カットをクリックして残すことも可能。書き出す前に結果を再生して確認し、WAV か、編集ソフト向けの EDL・FCPXML・CSV を保存できます。ファイルはパソコンから出ません。
ファイルはブラウザから送信されません — 処理はすべてローカルで行われます。
音声または動画ファイルをドロップ、またはクリックして選択
1 回に 1 ファイル。MP3・M4A・WAV・OGG・FLAC、動画の音声トラックに対応
このページは、録音の中の無音を見つけてカットします。見ているのは言葉ではなく音量です。ファイルを短いブロックに区切り、直流成分を除いた RMS の音量（dB）をブロックごとに測って、しきい値を下回っている間を無音とみなします。しきい値は自動にもでき（録音の中で最も静かな 1 割の音量に約 10 dB を足し、-70〜-30 dB の範囲に収めます）、-70〜-20 dB で手動指定もできます。カットされるのは、最短の無音（初期値 600 ms、200〜3000 ms で調整）以上の長さの無音だけです。残した部分の前後には余白が付き、初期値は前 100 ms、後 150 ms なので、語頭や語尾が不自然に切れません。すべてブラウザの中で行うため、デコードも検出も書き出しも送信されず、動画からは音声トラックだけを読み取ります。
タイムラインには波形が描かれ、カットされる部分が灰色で示されます。上の行には「40:12 → 31:05」のような結果と、カットの数が出ます。灰色の部分をクリックすると、そのカットだけをやめて残せます。コントロールを動かすとカットが再計算され、手動で残した分は解除されます。その旨は画面にも表示されます。再生ボタンを押すと、デコード済みの音声からカット後の音をそのまま再生し、つなぎ目は短いフェードで処理されるので、ファイルを書き出す前に結果を聞けます。表示される新しい長さは書き出しと同じ計算で出しているため、できあがるファイルと一致します。
音声は、元と同じサンプルレートの WAV で、つなぎ目ごとに 10 ms のイコールパワー・クロスフェードを入れてプチ音を防ぎます。動画は、この最初のバージョンでは、カット済みの動画ではなくカットリストを書き出します。EDL（CMX 3600）、FCPXML 1.9、CSV の 3 種類で、DaVinci Resolve、Final Cut Pro、Premiere Pro で使えます。フレームレートは 23.976〜60 から選べ、29.97 と 59.94 にはドロップフレームの選択肢があり、ファイルの情報から自動で選ばれます。先に素材を編集ソフトに取り込んでから、カットリストを読み込んでください。FCPXML は Apple 公開の DTD で検証してありますが、Resolve、Final Cut Pro、Premiere への実際の読み込みは、まだそれぞれのソフトで試していません。最初の読み込みは試用のつもりで、カット位置を確認してください。カット済みの動画をそのまま書き出す機能は、まだありません。
見ているのは音量であって、意味ではありません。背景の音楽やエアコンの音が大きいと、無音を検出できないことがあります。息づかいや「えー」「あのー」も削除されません。口癖を取るには単語単位の音声認識が要り、このページでは使っていないからです。また、間を詰めると話すテンポが速くなり、余白を小さくしすぎると早口に聞こえるので、初期値は控えめにしてあります。よりきれいな結果にするには、先に音声ノイズ除去、カットのあとで音量の正規化をかけてください。
いいえ。ファイルはブラウザがデコードし、同じタブの中で解析し、WAV やカットリストもそこで作られます。ページの背後にサーバーはないので、何も送信されません。ファイル名も長さも中身も、ブラウザの外には出ません。
いいえ。このページが見ているのは各瞬間の音量だけで、何を話しているかは分かりません。息づかいや「えー」は、本当の間より音が大きいことが多いので残ります。口癖を取るには、単語ごとのタイムスタンプを持つ音声認識が必要ですが、このページにはありません。カットできるのは文と文の間の空白で、講義や一人での録音では、時間の大半がそこにあります。
しきい値を下回るほど静かではないためです。背景の音楽やエアコン、騒がしい部屋では、誰も話していなくても音量がしきい値の上に残ります。手動のしきい値を -30 dB のほうへ上げるか、先に音声ノイズ除去をかけた録音で試してください。また、カットされるのは最短の無音（初期値 600 ms）以上の空白だけなので、言葉と言葉の間の短い間はそのまま残ります。
カットしすぎているか、余白が小さすぎるためです。残した部分の前後には、初期値で前 100 ms、後 150 ms の余白が付きます。話の前後に少し空気があるほうが自然なので、早口に感じたら余白か最短の無音の長さを大きくしてください。息づかいの途中で切るとプチ音が出ることがあるため、音声の書き出しではつなぎ目ごとに 10 ms のクロスフェードを入れています。
完成した動画は、まだ出力できません。動画ファイルでは EDL（CMX 3600）、FCPXML 1.9、CSV を書き出すので、DaVinci Resolve、Final Cut Pro、Premiere Pro でそれを使ってカットしてください。FCPXML は Apple の DTD の検証を通っていますが、各ソフトへの実際の読み込みはまだ試していないため、最初の読み込みでは試聴した結果とカット位置を見比べてください。リストを読み込む前に、素材を編集ソフトに取り込んでおきます。
48 kHz でモノラルなら約 93 分、ステレオなら約 1 時間です。ブラウザはファイル全体をメモリにデコードし、Chrome のデコーダーは 1 チャンネルあたり約 2.68 億サンプルが限界だからです。ページは開始前に長さを確認し、そのファイルの正確な上限を伝えます。それより長い録音は、先にいくつかに分割してください。
カットした録音を目標の音量（LUFS）にそろえる →
先に扇風機や街の雑音を除くと、無音が見つけやすくなります →
録音を文字起こし・字幕に →
動画の音声トラックを単独のファイルに →