字幕と書き起こしのJSON

SubtitldのJSONの構成

Subtitldが保存する内容を、1つの字幕について示します。

{
  "language": "en-us",
  "segments": [
    {
      "id": 0,
      "start": 23.0,
      "end": 24.5,
      "text": "You're a jerk, Thom.",
      "speaker": "Celia"
    }
  ],
  "text": "You're a jerk, Thom."
}

Subtitldが開くもの

各ツールのJSONは、そのキーによって種類が分かります。Subtitldが開けるのは次のものです。

どれでもないJSONファイルは、その旨を表示します。有効なJSONでないファイルは、エラーの行と列を示します。

書き起こしを字幕へ

音声認識サービスは、単語とその時刻、または長い発話のまとまりを渡します。Subtitldは、品質チェックパネルで許可された範囲内で、それらを字幕にします。ここでの範囲は、1行あたりの文字数、行数、秒数です。字幕は次の場所で終わります。

• 話者が変わったとき、または発話が1秒を超えて途切れたとき。
• 文末で、次の文を加えると1行を超えてしまうとき。
• いっぱいになったとき: ほどよく埋まる最後の句読点、なければ2語の間。

単語の時刻がない発話は、同じ方法で分けます。その時刻は、各部分の長さに応じて割り振られます。

話者と言語

サービスは話者に 0、spk_1、SPEAKER_02、S3 などの番号を付けます。Subtitldは、それらを話し始めた順にA、B、C…と呼び、話者の名前は自分で付けます。ファイルが名前を持つ場合（Rev.aiはそれができます）、その名前を保持します。

プロジェクトの言語は、ファイルから読み取ります。コード（en_us、pt）、または名前（Whisperが指定されたときに保持する English）として書かれています。ない場合は、ファイル名から判断します（video.en.json3）。プロジェクトと同じ言語のファイルは、プロジェクトの国の指定を保持します。たとえば pt-br のプロジェクトでは、pt は pt-br になります。

YouTubeのjson3

YouTubeのプレーヤーが読み、yt-dlpが .json3 として保存する形式です。ミリ秒単位のテキストのイベントからなり、太字、斜体、下線、色のペン、そして表示位置のウィンドウを持ちます。自動キャプションは、行が次々と切り替わり、それぞれ次の行が現れるまで表示されます。Subtitldは、次の行が始まるまで、各行を1つの字幕にします。

BilibiliのBCC

Bilibiliのプレーヤーが読む形式で、Subtitldが保存するもう1つのJSONです。

{
  "font_size": 0.4,
  "font_color": "#FFFFFF",
  "background_alpha": 0.5,
  "background_color": "#9C27B0",
  "Stroke": "none",
  "body": [
    {
      "from": 23.0,
      "to": 24.5,
      "location": 2,
      "content": "You're a jerk, Thom."
    }
  ]
}

時刻は秒です。content はプレーンテキストで、改行は \n で示されます。上部の見た目は、Bilibiliの公式ファイルが持つものと同じです。Subtitle Editも同様に書き出します。

Subtitldでの JSON

書き出し

エクスポート、字幕の順に選ぶと、次の2つを選べます。

• JSONSubtitld独自のもの。プロジェクトをそのままの状態で、すべての字幕とすべての項目を保存します。
• BCCBilibiliのもの。原文、翻訳、または両方（翻訳は下に表示）。話者名は省略するか、テキストの前に書きます。必要に応じて時刻をずらすこともできます。

豆知識