音声をVTTに変換

音声からVTTファイルを作るには、録音をTelegramのPotokのボットに送り、文字起こしをVTTで書き出します。WebVTT（.vtt）はHTML5動画向けの字幕形式です。WebVTTファイルはWEBVTTという行で始まり、時刻はミリ秒の前にピリオドを使います。2 GBまでのファイルに対応しています。

録音を文字起こしする

音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。

Telegram で @potok_now_bot を開く

2 GB までのファイル · TXT、MD、DOCX、PDF、SRT、VTT で書き出し · 話者ラベルとタイムスタンプ · 約30言語

要点

• WebVTTはウェブ向けに作られているため、ページ上のvideo要素がVTTファイルをテキストトラックとして読み込めます。
• ファイルの一行目は必ずWEBVTTという語でなければならず、ヘッダーがないとブラウザはそのトラックを無視します。
• 00:00:01.000のような時刻では、ミリ秒の前にピリオドを置きます。SRTはカンマを使います。
• この形式はW3Cの仕様なので、ブラウザはどれも同じように扱います。

手順

1. 音声を送ります。 Telegramで@potok_now_botを開き、録音を添付します。
2. 文字起こしを待ちます。 短いものはチャットに届きます。長いものはファイルで届きます。
3. VTTで書き出します。 書き出しオプションでVTTを選び、拡張子.vttでファイルを保存します。
4. 一行目を確認します。 テキストエディタでファイルを開き、一行目がWEBVTTになっていることを確かめます。
5. ページに追加します。 ファイルをvideo要素にテキストトラックとして関連付け、ページと同じサイトから配信します。

結果のイメージ

[00:00] 話者 1: ダッシュボードを簡単にご案内します。

[00:04] 話者 1: 左側に、プロジェクトの一覧が表示されます。

[00:09] 話者 1: どれかをクリックすると、詳細が開きます。

文字起こしのレイアウトを示すために当社で作成したサンプルテキストです。認識エンジンの出力ではなく、実際の録音でもありません。

よくある間違い

関連情報

対応言語の一覧、ツール、用語集もご覧ください。

よくある質問

VTTファイルとは何ですか。

WebVTT（.vtt）はHTML5動画向けの字幕形式です。時刻とテキストを持つキューが入っています。

VTTとSRTはどう違いますか。

WebVTTファイルはWEBVTTという行で始まり、ミリ秒の前にピリオドを使います。SRTはカンマを使い、ヘッダーはありません。

VTTファイルはどこで使えますか。

video要素のあるウェブページや、WebVTTを読み込めるプレーヤーで使えます。多くの動画サイトも受け付けます。

VTTファイルを手で編集できますか。

はい。プレーンテキストです。ヘッダーとキュー間の空行は保ってください。

VTTとSRTの両方を入手できますか。

はい。同じ文字起こしを、それぞれの形式で書き出せます。

出典

各出典は、記載の日付に手作業で開いて確認しました。ページは変更されることがあるため、細部が重要な場合は出典をご確認ください。

1. WebVTT (Wikipedia), Wikipedia · 確認日 2026-10-18
2. WebVTT: The Web Video Text Tracks Format (W3C), W3C · 確認日 2026-10-18