YouTube文字起こしを最速で取得する方法
YouTubeの文字起こしをすばやく手に入れるには、デスクトップのブラウザで動画を開き、説明欄までスクロールし、「...もっと見る」をクリックして展開したうえで、下までスクロールして「文字起こしを表示」をクリックします。右側にパネルが開き、話された全ての行とそのタイムスタンプが表示されます。そのパネル内の三点メニューをクリックして「タイムスタンプの切り替え」を選べば、タイムスタンプのないきれいなテキストにでき、あとは全選択してコピーするだけです。
この方法は無料で、ソフトウェアも要らず、字幕がある動画ならどれでも使えます。スマートフォンを使っている場合や、生のテキストをそのまま貼り付けるのではなく要約された文字起こしが欲しい場合は、ワンクリックのツールの方が速いです。GlaspのYouTube Summaryのような要約ツールをインストールして任意の動画を開けば、URLをコピーしたりメニューを探し回ったりすることなく、数秒で全文の文字起こしとタイムスタンプ付きの構造化された要約が手に入ります。
さらに詳しく見ていく前に、手早く選ぶための早見表を示します：
| やりたいこと | 使う方法 | 所要時間 |
|---|---|---|
| デスクトップで一度だけ文字起こしを読む | YouTube標準の「文字起こしを表示」 | 約15秒 |
| 文字起こしを頻繁に、またはどのデバイスでも取得する | ブラウザ拡張機能またはGlasp YouTube Summary | 約10秒 |
| 何もインストールせずに文字起こしを取得する | 文字起こしサイトにURLを貼る | 約30秒 |
| 文字起こしを一括で、あるいはコードで取得する | yt-dlpまたは文字起こしAPI | 初期設定後は各数秒 |
| 動画を要約とノートに変える | Glaspの文字起こしツールとハイライト | 約1分 |
このガイドの残りでは、各方法を順を追って解説し、テキストが実際どれくらい正確なのかを説明し、大量の文字起こしテキストを記憶に残るノートに変える方法を示します。
YouTubeの文字起こしとは実際に何か
文字起こしとは、動画で話された全ての内容を書き起こした全文テキストで、通常は4:32のようなタイムスタンプが付いた短い行に区切られています。これは動画の字幕トラックから作られ、字幕トラックには2種類あります。
1つ目は投稿者がアップロードした字幕です。一部のチャンネルは自分で字幕を書いたりプロに文字起こしを依頼したりしており、人間が確認しているためこれが最も正確です。2つ目は、はるかに一般的な自動生成字幕です。YouTubeは音声を自動音声認識にかけて独自に字幕を作るため、投稿者が字幕にまったく手を付けていなくても、ほぼ全ての動画から何かしら取得できるものがあるのです。
これが重要なのは1つの理由からです。YouTubeが文字起こしを表示できるのは、字幕トラックが存在するときだけです。 アップロード字幕も自動生成字幕もない動画の場合、これは一部の音楽や非常に短いクリップ、珍しい言語で起こりますが、表示するものが何もありません。その場合は、既存の字幕トラックを読むのではなく、音声そのものを文字起こしする音声認識ツールが必要になります。
そもそも観るだけで済むのに、なぜテキストにこだわるのでしょうか。速さと検索性です。読書速度の研究によれば、成人の黙読は平均で1分あたり約238語ですが、会話の話し言葉は1分あたり150語ほどです。この差があるため、動画を最後まで観るよりもはるかに速く文字起こしを吸収でき、無駄な部分を飛ばし、重要なタイムスタンプへ直接ジャンプできます。テキストは検索でき、引用でき、保存も簡単ですが、動画にはそれができません。このトレードオフをより深く知りたい方は、YouTubeから学ぶ方法のガイドをご覧ください。
方法1：YouTube標準の文字起こし機能
YouTube独自の文字起こし機能は無料で、字幕トラックの内容そのままに正確で、デスクトップでは常に利用できます。まず最初に試すべき方法です。
デスクトップ（任意のブラウザのyoutube.com）で：
- 動画を開いて再生を始めます。
- 動画の下にある説明欄までスクロールします。
- 「...もっと見る」をクリックして説明を完全に展開します。
- 展開した説明の一番下までスクロールし、「文字起こしを表示」をクリックします。
- 右側に文字起こしパネルが表示され、各行とそのタイムスタンプが並びます。
- きれいなテキストをコピーするには、パネル上部の三点メニューをクリックして「タイムスタンプの切り替え」を選び、時刻を非表示にしたうえで、全ての行をドラッグして選択しコピーします。
モバイルアプリで：
YouTubeアプリは文字起こしボタンをバージョンによって出したり隠したりしてきたため、表示される場合とされない場合があります。表示される場合は、動画をタップし、タイトルまたは説明の部分をタップして詳細を展開し、下へスクロールして「文字起こしを表示」をタップします。この選択肢が見当たらない場合は、スマートフォンのブラウザ（ChromeまたはSafari）で動画を開き、ブラウザメニューから「デスクトップ用サイトを表示」を選び、上記のデスクトップ手順に従ってください。
標準の文字起こしは一度きりの読み取りには最適です。その限界は、これを頻繁に行うときに現れます。要約はなく、タブを閉じたらテキストを残す手段はなく、コピーしても後で実際に使うシステムからは切り離されてしまいます。そこで次の方法が登場します。
方法2：ワンクリックのブラウザ拡張機能
ブラウザ拡張機能は、どの動画でも文字起こし（と多くの場合は要約）をワンクリックの近さに置いてくれます。たまに観るだけでなく、学ぶためにYouTubeを観るなら、これが適したツールです。
インストールすると、拡張機能は動画の近くにボタンを追加します。クリックするとプレーヤーの横にパネルが開き、全文の文字起こし、その瞬間に動画をジャンプさせるクリック可能なタイムスタンプ、そして多くの場合は要点のAI生成要約が表示されます。優れたものは、どのモデルに要約を書かせるか選べるようにし、タブを閉じても結果を失わずに保存できるようにしてくれます。
GlaspのYouTube Summaryはこのカテゴリに属し、ほとんどの文字起こしツールが省いている「その後」の部分を加えています。文字起こしと要約が手に入るだけでなく、重要な行そのものをハイライトでき、そのハイライトは読んだ他の全てのものと並んであなたのライブラリに保存されます。動画は閉じるだけのタブではなく、数か月後でも検索できるノートになります。全体のワークフローはYouTube動画を要約する方法で解説しています。
どの拡張機能を信頼するか決める前に確認したい点がいくつかあります：
- 文字起こしを保存してくれるのか、それとも一度表示するだけか。 表示専用のツールでは、結局コピー＆ペーストが必要になります。
- 自分のブラウザで動くのか。 ほとんどはChromeとEdgeに対応していますが、SafariやFirefoxに対応しているものは少数です。
- 要約してくれるのか、それとも文字起こしだけか。 学習には、要約と生の文字起こしの両方がある方が、どちらか一方だけよりも優れています。
- たくさん使うといくらかかるのか。 多くは1日数本の動画までは無料で、大量利用には課金の壁があります。
方法3：URLを貼るだけの文字起こしサイト
何もインストールできない、あるいはしたくない場合は、文字起こしサイトが最も手軽な方法です。動画のURLをサイトのボックスに貼り付けると、コピーやダウンロードできるプレーンテキストの文字起こしが返ってきます。
流れはだいたいいつも同じです：
- アドレスバーまたは共有ボタンからYouTube動画のURLをコピーします。
- 文字起こしサイトを開き、URLを入力欄に貼り付けます。
- ボタンをクリックして文字起こしを取得します。
- テキストをコピーするか、
.txtまたは.srtファイルとしてダウンロードします。
これらのサイトは、拡張機能を追加できない管理された職場のパソコンや借り物のデバイスで便利です。ただし、トレードオフは現実にあります。これらはYouTubeがすでに持っている同じ自動生成字幕を引き出すだけなので、標準の文字起こしより正確になることはありません。多くは長い動画に対して広告でテキストを囲んだり、有料プランへ誘導したりします。そして第三者のサイトにURLを渡すことになるため、非公開や限定公開のものには向きません。手早く取って離れる用途と割り切り、これを土台にワークフローを組むのはやめましょう。
方法4：yt-dlpとPython API
大量の作業、研究、あるいは自動化したい何かのためには、コマンドラインツールやライブラリがコードで文字起こしを取得します。このセクションは開発者やパワーユーザー向けです。クリックで十分なら読み飛ばしてください。
yt-dlpは広く使われているオープンソースのダウンローダーで、動画をダウンロードせずに字幕ファイルを取得できます。英語の自動生成字幕をファイルとして取得するには：
yt-dlp --write-auto-subs --sub-langs "en" --skip-download "VIDEO_URL"
投稿者が手動でアップロードした字幕だけが欲しい場合は、--write-auto-subsの代わりに--write-subsを使います。存在する場合、こちらの方がきれいです。タイムスタンプ付きの読みやすい字幕ファイルにするには--convert-subs srtを追加します。
youtube-transcript-apiはPythonライブラリで、APIキーもブラウザも不要で動画の文字起こしを構造化データとして返します。ローカルでのプロトタイプ作成や単発の分析に最適です。ただし2026年には大きな注意点が1つあります。YouTubeは既知のクラウドプロバイダーのIP範囲を積極的にブロックするため、自分のノートパソコンでは問題なく動くコードが、AWS、GCP、Azure、VPSにデプロイした途端にRequestBlockedやIpBlockedのエラーを吐くことがあります。これを大規模に運用するチームは、最終的に住宅用プロキシかマネージドの文字起こしAPIに行き着き、どちらも費用がかかります。自分のマシンでの個人利用ならうまく動きます。
| ツール | 費用 | 適した用途 | 注意点 |
|---|---|---|---|
| yt-dlp | 無料 | 字幕ファイルの保存、オフライン保管 | コマンドラインのみ |
| youtube-transcript-api | 無料 | ローカルスクリプトと研究 | クラウドIPがブロックされる |
| マネージド文字起こしAPI | 有料 | 本番アプリ、一括処理 | 継続的なコスト |
コードで生のテキストを手に入れたら、面白いのはそれで何をするかです。モデルに渡して要約させる、チャンネルの過去動画全体を横断検索する、あるいは自分だけの学習ノートを作る。この下流のステップについては、YouTubeを学習ノートに変えるの記事で解説しています。
YouTubeの文字起こしはどれくらい正確か
自動生成の文字起こしは、読んだり検索したりするには十分ですが、そのまま引用できるほどではありません。どこで崩れるかを知っておけば、話し手が言っていない言葉を引用してしまう事故を防げます。
単一話者でBGMのないクリアな英語音声なら、最新の音声認識は単語精度でおよそ85〜95パーセントに達し、単語誤り率は10〜15パーセントの範囲に収まります。Googleはクリアな録音についてこの範囲の上限に近い数値を挙げています。問題は、実際の動画がそこまでクリアであることはめったになく、条件が難しくなると精度が急速に落ちることです：
| 条件 | おおよその精度 | 精度が落ちる理由 |
|---|---|---|
| スタジオ音声、明瞭な単一話者 | 90〜95% | モデルにとって理想的なケース |
| 会話調の英語、まともなマイク | 85〜90% | 話の重なり、つなぎ言葉、話す速さ |
| 複数話者や同時発話 | 目に見えて低下 | モデルが声を分離できない |
| 音量約25%を超えるBGM | 急落 | 音楽が話し声を覆い隠す |
| 強いなまりや英語以外の音声 | 低くばらつく | 学習データのカバー範囲が狭い |
最も多い誤りは、まさに正しく取りたい言葉の周りに集中します。名詞、とりわけ固有名詞、ブランド名、専門用語です。大学の卒業式スピーチの自動生成字幕を分析した研究では、名詞が最も誤りの多い品詞であることがわかりました。モデルが似た音の一般的な単語を推測してしまうためです。ですから文字起こしから引用を取り出すときは、公開する前にそのタイムスタンプの音声と照らし合わせて確認しましょう。チャンネルが提供している投稿者アップロードの字幕なら、人間が書いているためこの問題はありません。
文字起こしを、残る知識へ
文字起こしを取得するのは簡単な部分です。ほとんどの人が観たものをほぼ全て忘れてしまう理由は、文字起こしがないからではなく、そのテキストがどこにも行き着かないからです。コピーして閉じただけの文字起こしは、動画そのものと同じように忘れ去られます。
文字起こしを知識に変えるには3つのステップが必要です：
- 重要な行をハイライトする。 40分の動画でも、残す価値のある文は5つほどかもしれません。壁のようなテキストを丸ごと保存するのではなく、その5つに印を付けましょう。能動的に選ぶこと自体が学習の行為です。何が重要かを決める作業がその内容を処理させるため、ハイライトは受動的な再読よりも優れています。
- 自分の言葉で要約する。 要点を短い要約として書き直すことは、生成学習の研究において最も信頼性の高い学習法の1つです。AIは文字起こしから要約の下書きを作れますが、記憶への定着はそれを自分の言葉に編集し直すことから生まれます。
- 検索できる場所に保存する。 もう一度見つけられないハイライトは、存在しないのと同じです。動画のハイライトが記事のハイライトや本のノートと同じ検索可能なライブラリに収まれば、新しい動画のたびにすでに知っていることとつながっていきます。
これはGlaspが作られたときからのワークフローです。YouTube Summaryで文字起こしとAI要約を手に入れ、残したい行そのものをハイライトすると、全てが1つのライブラリに収まり、後からGlaspのAIチャットで検索したり質問したりできます。これは記事やPDFに対するGlaspのウェブハイライターとまったく同じ仕組みで動くため、動画、記事、本の全てが、散らばったタブではなくつながった1つのノートの集合体になります。定着こそが本当の目標なら、読んだ内容を記憶する方法から始めてください。
文字起こしは入口です。あなたがハイライトし、書き直し、保存したものこそが、実際に住まう部屋なのです。
よくある質問
YouTube動画の文字起こしを無料で取得するには？
デスクトップのブラウザで動画を開き、説明欄までスクロールして「...もっと見る」をクリックし、下へスクロールして「文字起こしを表示」をクリックします。タイムスタンプ付きの全文が表示されるパネルが現れ、読んだりコピーしたりできます。これは完全に無料で、ソフトウェアも不要です。スマートフォンでアプリにこの選択肢が表示されない場合は、ブラウザでデスクトップ用サイトを表示するか、無料のブラウザ拡張機能や文字起こしサイトを使ってください。
「文字起こしを表示」ボタンが見当たらないのはなぜ？
最も可能性が高い理由は、その動画に字幕トラックがまったくなく、表示するものが何もないことです。YouTubeが文字起こしを表示できるのは、投稿者がアップロードしたものであれ自動生成であれ、字幕が存在するときだけです。モバイルアプリではボタンがバージョンによって一貫しないため、動画をデスクトップのブラウザで開くか、デスクトップ用サイトを表示してみてください。
YouTubeの文字起こしをテキストファイルとしてダウンロードするには？
最も簡単でコード不要の方法は、URLを貼り付けたあとに.txtや.srtファイルのダウンロードボタンを用意している文字起こしサイトです。開発者はyt-dlpに--write-auto-subs --skip-downloadを付けて字幕ファイルを直接保存できます。また、YouTube標準の文字起こしパネルからテキストをコピーして、任意のドキュメントに貼り付けることもできます。
YouTubeの自動生成文字起こしは正確ですか？
おおむね正確ですが、完璧ではありません。クリアな英語音声なら単語誤り率は約10〜15パーセントで、ほとんどの単語は正しいということです。精度はBGM、複数話者、なまり、英語以外の音声で下がり、最も多い誤りは固有名詞と専門用語です。引用は公開する前に必ず音声と照らし合わせて確認しましょう。
別の言語の動画の文字起こしを取得できますか？
はい、その動画にその言語の字幕があれば取得できます。YouTubeは多くの言語で字幕を自動生成しており、文字起こしパネルの設定やツールを使って元の言語のトラックを取り出せることがよくあります。字幕を翻訳することもできますが、機械翻訳は文字起こしの上にさらに独自の誤りを加えます。
文字起こしをノートに変える最善の方法は？
文字起こしを丸ごと保存してはいけません。重要な数行をハイライトし、要点を自分の言葉で短い要約に書き直し、その両方を検索できる場所に保存します。GlaspのYouTube Summaryのようなツールは、文字起こしと要約を生成し、その結果をハイライトして他のノートの隣に保存できるので、動画は閉じたタブではなく検索できる知識になります。
YouTubeの文字起こしを取得するのは、5つの方法さえ知っていれば実に簡単です。YouTube標準のパネル、ブラウザ拡張機能、URLを貼るだけのウェブサイト、yt-dlpのような開発者向けツール、そして全てを一度に片付けるAI要約ツールです。文字起こしがどれくらいの頻度で必要か、どのデバイスを使っているかに合わせて選びましょう。
ですが、文字起こしはスタートラインにすぎません。YouTubeから本当に学ぶ人は、最も多くの文字起こしを集める人ではなく、重要なものをハイライトし、自分の言葉で要約し、また見つけられる場所に残す人です。GlaspのYouTube Summaryで文字起こしの取得を始め、観た動画を、タブを閉じても消えずに積み重なっていく知識に変えましょう。