Skip to main content
PromptQuorumBuilt for humans. Structured for AI.
ホーム/ローカルLLM活用
Voice, Speech & Multimodal

Subtitle Editレビュー:ローカルWhisper文字起こしと自動翻訳

·7分で読めるHans Kuepper 著 · PromptQuorum創設者 · オープンウェイト/オープンソースAIの発見エンジン

Subtitle Edit(安定版5.3.0、2026年10月14日公開)は、Windows・macOS・Linux対応の無料のMITライセンス字幕エディタで、Whisper系の音声認識とローカルLLMによる自動翻訳を自分のPC上で実行できます。 AIエンジンは任意のダウンロードで、併せて掲載されているクラウドエンジンは、選んだ提供元にデータを送信します。ここでの記述はすべてプロジェクト自身のページに基づき、テストによるものではありません。

重要なポイント

  • メンテナンス:安定版5.3.0の上に、プレリリースの5.4.0-beta6が2026年10月24日に公開されているため、放置プロジェクトの警告は該当しません。
  • 音声認識:PC上で動くWhisper系などのエンジンと、一部のオンラインエンジン。
  • 翻訳:llama.cpp、Ollama、LM Studioのローカルモデル、または自分のキーを使うクラウドAPI。
  • 費用:MITライセンスで無料。プロジェクトのFAQでは広告も機能制限もないとされています。
  • 開発元:Nikseと貢献者。ソースコードはすべてGitHubで公開されています。

📍 一文で説明

Subtitle Editはオープンソースのデスクトップ字幕エディタで、音声認識と自動翻訳の画面から、自分のPC上で動くエンジンを使えます。

💬 簡潔に説明

動画を開き、Whisper系のエンジンとモデルを選ぶとタイミング付きの字幕ファイルができ、それをローカルモデルまたは好みのオンラインサービスで翻訳します。

📌補足: 本レビューは、2026年10月24日に確認したGitHubリポジトリ、リリースノート、プロジェクトのドキュメントに基づきます。PromptQuorumはアプリをインストールも実行もしていないため、文字起こしと翻訳の品質は評価していません。

Subtitle Editは、Nikseと複数の貢献者が開発する、Windows・macOS・Linux対応の無料オープンソース字幕エディタです。字幕ファイルの編集や変換に加え、Whisper系エンジンで動画を文字起こしし、ローカルまたはクラウドのモデルで字幕を翻訳できます。本レビューはこの部分を扱い、プロジェクトのGitHubページ、リリースノート、ドキュメントを2026年10月24日に確認した内容に基づきます。PromptQuorumはアプリを実際には試していません。

Subtitle Editレビュー:ローカルWhisper文字起こしと自動翻訳

Subtitle Editとは

Subtitle Editは、字幕の作成、同期、変換、翻訳を行うデスクトップエディタで、新しいバージョンではこの中核機能の周辺にAI機能が加わっています。 プロジェクトのFAQによると380を超える字幕形式に対応し、Windows・macOS・Linux向けのビルドはプロジェクトのGitHubリリースページで公開されています。

AI機能はエディタ本体とは別です。音声認識、自動翻訳、文字認識(OCR)、音声合成はそれぞれ、初回利用時にアプリがダウンロードするか、APIで接続するエンジンを使います。本レビューは音声認識と自動翻訳に絞ります。ドキュメントでは現行世代をSubtitle Edit 5と呼んでいます。

入手方法

Subtitle EditはWindows・macOS・Linux向けに無料で入手でき、どのプラットフォームにもインストーラーまたはディスクイメージがあります。

項目
入手方法
Windowsx64はインストーラー(Setup.exe)またはポータブルzip、ARM64はzip。GitHub Releasesから
macOSApple silicon用とIntel用の.dmgをアプリケーションへドラッグ。READMEによれば署名・公証済み
LinuxFlatpak(mpvとffmpeg同梱)、またはx64・ARM64用のtar.gz
公式サイトnikse.dk/subtitleedit
プライバシーポリシー独立したページはなく、READMEのPrivacyセクションが開発元の声明です
ソースコードgithub.com/SubtitleEdit/subtitleedit、MITライセンス

確認したバージョン:5.3.0。GitHubが最新の安定版として示す、2026年10月14日公開のリリースです。5.4.0のベータビルドはプレリリース扱いです。5.3.0のファイルは、エンジンやモデルをダウンロードする前で59〜155 MBです。

動作要件

READMEが求めるのは、Windows 10 バージョン22H2以降、macOS 12以降(macOS 14を推奨)、Linuxではtar.gz版にmpvとffmpegです。

OS

情報源の記載:
Windows 10 22H2以降、macOS 12以降(14以降を推奨)、LinuxはREADMEのパッケージ一覧に従う

Linuxのパッケージ

情報源の記載:
tar.gz版はパッケージマネージャーのmpvとffmpegが必要。FlatpakとmacOSの.dmgには同梱

エンジンのダウンロード

情報源の記載:
エンジンとモデルは初回利用時に取得。Crisp ASRのモデル一覧は1モデルあたり75 MBから9.4 GBまで

翻訳モデル

情報源の記載:
厳選されたllama.cppモデルの多くは8 GB未満で、最大のものが約12 GB

GPUアクセラレーション

情報源の記載:
Whisper CPPはWindowsでCPU、NVIDIA cuBLAS、Vulkanを選べる。変更履歴ではmacOSがMetal、LinuxがVulkan

インターネット

情報源の記載:
エンジンとモデルのダウンロードおよびオンラインエンジンに必要。ローカルエンジンはその後オフラインで動作

アプリ自体のRAMやVRAMの最低要件はドキュメントにありません。必要量は選ぶエンジンとモデルによって変わり、「CUDA out of memory」エラーにはより小さいモデルが案内されています。

始め方

手順はプロジェクトのドキュメントに沿ったもので、PromptQuorumは実行していません。

  1. 1
    インストールして動画を開く
    Why it matters: インストーラー、dmg、Flatpakのいずれかを実行し、Subtitle Editで動画ファイルまたは既存の字幕を開きます。
  2. 2
    Video、Speech to textで文字起こしする
    Why it matters: エンジンとモデルを選び、音声の言語を指定するか自動検出にして、Transcribeをクリックする前に、初回はアプリにエンジンをダウンロードさせます。
  3. 3
    結果を確認する
    Why it matters: 後処理を調整し、短すぎる行、長すぎる行、重なる行、繰り返しの行を示す品質レポートを読んで、グリッドを手で修正します。
  4. 4
    Translate、Auto-translateで翻訳する
    Why it matters: エンジンと言語ペアを選んで翻訳し、原文と訳文を並べて確認してからOKで確定します。

情報源で確認できた機能

以下の項目はすべてプロジェクトのドキュメントまたはリリースノートによるもので、PromptQuorumは一つも試していません。

  • 音声認識エンジン。 Whisper CPP、Purfview Faster Whisper XXL、Whisper CTranslate2、Whisper Const-me(Windows)、WhisperX、PythonのWhisperワークフローに加え、Qwen3 ASR CPPと、ParakeetやCanaryなどのバックエンドを持つCrisp ASR。オンラインではOpenRouter、Alibaba Qwen3-ASR、Google Cloud Speech-to-Textを選べます。
  • 文字起こしの補助機能。 バッチモード、言語の自動検出、音声区間検出の設定、Whisper向けの任意の「Translate to English」、後処理、品質レポート。
  • ローカル翻訳。 TranslateGemma、Gemma 4、Qwenなどの厳選モデルを使う管理型llama.cppサーバー、Ollama、LM Studio、そしてコンテキスト・あらすじ・用語集を付けてバッチ翻訳する「advanced」版。MADLADエンジンは419言語に対応します。
  • クラウド翻訳。 Google翻訳、Microsoft Bing、DeepL、ChatGPT、Anthropic、Geminiなど。多くは自分のAPIキーを使い、OpenAI互換APIを話すサーバーなら何でも使えるOpenAI互換エンジンもあります。
  • 中核機能の周辺。 ドキュメントによれば、波形付きの動画プレーヤー、画像字幕向けOCR、音声合成、生成したBGMがあります。

データの流れとプライバシー

READMEによれば、Subtitle Editは字幕ファイル、メディアファイル、メタデータを収集・保存・送信・分析せず、編集、変換、再生、ローカルの自動バックアップは端末上で動作します。 Whisper CPP、llama.cpp、Ollama、LM Studioなどのローカルエンジンは、音声やテキストをお使いのPC上、またはアプリの接続先に指定したサーバー上で処理します。

例外は、利用者自身が有効にするものです。READMEによると、翻訳、音声認識、音声合成、OCR、辞書検索の任意のオンラインサービスには、そのリクエストに必要なデータだけがアプリから直接送られ、提供元自身のプライバシーポリシーが適用されます。エンジンの説明では、Google翻訳、DeepL、ChatGPT、Anthropic、Gemini、オンライン音声認識がインターネット接続を要するサービスとされ、多くはAPIキーも必要です。「OpenAI互換」や「llama.cpp remote server」の設定は、入力したアドレスにテキストを送ります。

📌補足: これらは開発元の申告であり、監査結果ではありません。コードは公開されていますが、PromptQuorumは読んでおらず、アプリの通信も調べていません。エンジンやモデルのダウンロード元サーバーも確認していません。

向いている人

  • 字幕制作者と動画編集者。 複数のツールではなく、一つのエディタで文字起こし、タイミング調整、翻訳を済ませたい方。
  • プライバシーを重視するクリエイター。 メディアをアップロードするより、ローカルのWhisperエンジンとローカルの翻訳モデルを選びたい方。
  • 連続エピソードをまとめて扱う人。 全ファイルに同じ変換や翻訳を適用したい方。

確認できなかった点

  • 精度と品質。 PromptQuorumは音声認識や翻訳のエンジンを実行していないため、単語誤り率、ハルシネーション、翻訳品質は評価していません。
  • 速度とハードウェア。 処理時間やメモリ使用量は測定していません。CUDA、Vulkan、Metalの各バックエンドが実際のファイルに与える効果は未検証です。
  • 公式サイトの本文。 nikse.dkのページはJavaScriptで描画されるため読めておらず、ここでの情報はGitHubとドキュメントサイトに基づきます。
  • ダウンロード元。 ドキュメントにはエンジンとモデルが自動でダウンロードされるとありますが、どのサーバーから取得するかは確認していません。
  • プレリリースの安定性。 5.4.0はまだベータ版で、安定版5.3.0にも数十本のベータ版とリリース候補ビルドが先行していたため、挙動が短期間で変わる可能性があります。

競合と代替ツール

Whisper.cpp

対応プラットフォーム:
Windows、macOS、Linux
価格/ライセンス:
無料/MIT
主な違い:
Subtitle EditがWhisper CPPとして掲載しているエンジン本体。コマンドラインとライブラリ用で、字幕エディタはありません
Whisper.cppに関する記事(10件)

さらに18件(非表示)

faster-whisper

対応プラットフォーム:
Windows、macOS、Linux
価格/ライセンス:
無料/MIT
主な違い:
高速なWhisper文字起こし用のPythonライブラリ。字幕のワークフローは自分で組みます
faster-whisperに関する記事(5件)

その他の言及:

さらに6件(非表示)

MacWhisper

対応プラットフォーム:
macOS
価格/ライセンス:
フリーミアム/プロプライエタリ
主な違い:
文字起こしに特化した買い切りのMacアプリ。Subtitle Editは形式の編集とエンジン選択が加わります
MacWhisperに関する記事(2件)

その他の言及:

TranscriptionSuite

対応プラットフォーム:
Windows、macOS、Linux
価格/ライセンス:
無料/GPL-3.0
主な違い:
ライブ文字起こし、話者ラベル、音声ノートを備えたローカル文字起こし(ディレクトリ掲載情報による)
TranscriptionSuiteに関する記事(1件)

選ぶ前に、各アプリの現在の価格、ライセンス、対応プラットフォームを公式ページで確認してください。

ディレクトリで比較する

よくある質問

最初の文字起こしにはインターネットが必要ですか?

はい、一度だけ必要です。選んだエンジンとモデルを初回利用時にアプリがダウンロードします。サードパーティコンポーネントのページには、ファイルをアプリのデータフォルダーに手動で置く方法も載っており、場所はWindowsでは%APPDATA%\Subtitle Edit、LinuxとmacOSでは~/.config/Subtitle Editです。

NVIDIAのグラフィックスカードにはどのWhisperエンジンが合いますか?

ドキュメントでは、NVIDIA GPUで最速の文字起こしにはWhisper CPPのcuBLASバックエンドかPurfview Faster Whisper XXLを勧めており、CUDAのメモリ不足エラーが出たらより小さいモデルを使うよう案内しています。

誰が話しているかを示せますか?

はい、Crisp ASRエンジンで可能です。「Detect speakers」はNVIDIAのSortformer話者分離を使って最大8人に対応し、初回に107 MBのモデルをダウンロードし、Crisp ASR v0.8.37以降が必要です。

一覧にない翻訳モデルは使えますか?

はい。.ggufファイルをllama.cpp/modelsフォルダーに置くか、「Use remote server」にチェックを入れて自分のllama-serverを指定します。ドキュメントによれば、TranslateGemma 27Bは約16 GBのダウンロードと約20 GBのVRAMが必要で、12Bモデルでもすでに有力な選択肢とされています。

グラフィカルなインターフェースなしで使えますか?

はい。各リリースに同梱されるコマンドライン変換ツールのseconvを使います。その自動翻訳はOpenAI互換とDeepLのエンジンに対応し、--translate-api-keyと--translate-promptのオプションがあります。

総評

Subtitle Editは、長く続く無料でオープンライセンスのエディタで、従来の字幕ツールに加えて、ローカルのWhisper文字起こしとローカルLLMによる翻訳を一つにまとめるようになりました。変更履歴には2026年10月20日から24日の間に4本のプレリリースが記載されています。一方で、AIエンジンは数GBに及ぶ別ダウンロードで、クラウドエンジンはテキストや音声を第三者に送り、最新系統はまだベータ版であり、出力品質についてはここでは何も確認できませんでした。すでに字幕を扱っていて、自分のPCで文字起こしと翻訳を一か所で済ませたい方に向いています。文字起こししか要らない方は、専用の文字起こしツールのほうが簡単かもしれません。

情報源

← ローカルLLM活用 に戻る

MCP