動画字幕 — 端末内 Nano で SRT

動画か音声をドロップしてください。Chrome 内蔵の Gemini Nano がこのタブで書き起こします。ファイルはアップロードしません。

このマシンで初めて使うとき、端末内の Nano モデル（しばしば数 GB）をダウンロードすることがあります。それはモデルであり、あなたの録音ではありません。下の進捗はブラウザ自身の `downloadprogress` で、こちらが作った数字ではありません。

動画または音声ファイルをドロップ

mp4、webm、mov、mp3、wav、m4a — クリックして選んでも可

ブラウザ対応

書き起こしは Chrome の Prompt API に音声を渡します。Firefox と Safari にはありません。Edge は Chromium ですが、この列は実測したことだけを書きます。

機能	Chrome	Edge	Firefox	Safari
Prompt API（`LanguageModel`）ウェブの Prompt API は Chrome 148 から。138 は拡張機能専用。Edge は未測定。	✓可	◐一部 / 未測定	✗不可	✗不可
音声のマルチモーダル prompt`expectedInputs: [{ type: "audio" }]` が必要です。API は Chrome 148 以降にあります。このマシンではハードウェアやモデル未取得で unavailable と出ることがあります。その場合 Whisper への逃げ道はありません。Edge は未測定。	✓可	◐一部 / 未測定	✗不可	✗不可
タブ内での音声デコードAudioContext / OfflineAudioContext。Window 限定なのでデコード自体は worker に出せません。モノラル化とリサンプルは worker です。	✓可	✓可	✓可	✓可

今このブラウザ

LanguageModel …
LanguageModel audio …
AudioContext.decodeAudioData …

このツールについて

授業や会議の録音を、クラウドの音声認識に渡したくないことがあります。動画か音声をドロップすると、Chrome 内蔵の Gemini Nano がこのタブで書き起こします。経路は Prompt API（LanguageModel.availability → create → { type: "audio" } を含む multimodal prompt）です。Whisper も transformers.js も ONNX もアップロードもありません。出力は SRT、VTT、またはプレーンテキストで、ダウンロード前に時刻を少し直せる表があります。形式変換は Subtitle Converter、全体のずれは Subtitle Sync が隣にあります。

音がモデルに届くまで

音軌は AudioContext / OfflineAudioContext でデコードします。Web Audio は Window 限定なので、この工程は worker に出せません（コーデック自体はブラウザが専用スレッドで回します。デコードは 16 kHz を要求し、そのレートでコンテキストが作れないときは worker がリサンプルします。コンテナ内の最初の音声トラックだけをデコードします）。モノラル化とリサンプルは worker です。そのうえで WAV の窓を Nano に一つずつ渡します。長いファイルで文脈窓を埋めないためです。このマシンで初めて使うときは端末内モデル（しばしば数 GB）のダウンロードが走り、進捗はブラウザ自身の downloadprogress です。映像に字幕を焼き込むのは v1 ではやりません。ffmpeg.wasm を足す理由が、まだ検証できていないからです。

できないこと

Firefox と Safari に Prompt API はありません。Edge は Chromium ですが、このページは測ったことだけを書きます。音声 multimodal はモデルが受け付けるハードウェアも要り、unavailable は普通の答えであって不具合ではありません。クラウドへの逃げ道もありません。書き起こしの質は、そのクリップ上の Nano そのものです。抜けや時刻のずれは表で直し、全体が同じだけ遅れているなら Subtitle Sync へ渡します。

よくある質問

動画や音声はアップロードされますか。

されません。デコード、分割、Prompt API の呼び出しはすべてこのタブです。通信があるのは、このマシンが初めて端末内 Nano モデルを取るときだけで、録音はそのリクエストに乗りません。

どのブラウザで書き起こしできますか。

音声入力つき Prompt API の Chrome です。Firefox と Safari ではできません。Edge は Chromium なので動く可能性はありますが、測るまで対応表では未測定です。使えないブラウザでも、説明と表は残します。

初回だけ巨大なダウンロードが走るのはなぜ。

Gemini Nano であり、あなたのファイルではありません。Chrome が端末内モデルを一度取ります（しばしば数 GB。ディスクと GPU／メモリの条件もあります）。パーセントは LanguageModel.create({ monitor }) の downloadprogress です。以降はオフラインで書き起こせます。

字幕を映像に焼き込めますか。

この版ではできません。SRT か VTT をダウンロードして、編集ソフトで多重化してください。焼き込みは ffmpeg.wasm が要り、今バッチでは入れていません。

時刻がずれている、または一文欠けています。

表を直してください。Nano はスタジオ向けの ASR ではなく、チャンク単位でずれたり一行落ちたりします。全部が同じだけ遅れているなら Subtitle Sync でシフト。ASS や SBV が要るなら Subtitle Converter です。