動画を翻訳する流れと手順は?字幕を基準どおりに書き出す6ステップ

動画 翻訳 流れ 手順の様子

この記事でわかること

  • 動画を翻訳する流れを、6つの手順で見通す方法
  • W3C が「不適合」とする字幕の抜けと、その防ぎ方
  • 字幕ファイル(WebVTT)の時刻を何桁で書くか
  • よくある勘違いと、資料が実際に言っていることの対照
  • 書き出す前にそのまま使える確認のチェック表

まず読む: 動画を翻訳する方法は?字幕・吹き替え・ナレーションの違いと進め方

動画を翻訳する流れは?(結論)

動画を翻訳する流れとは、==元の台詞と大事な音を文字にし、訳し、決まった書式の字幕ファイルにして、動画に登録するまでの一連の作業==です。訳した字幕は、時刻で管理するファイル(WebVTT など)にまとめ、ウェブページの動画から参照させて仕上げます[4]。

この記事では、字幕を「作る」作業ではなく、公的な基準に「合わせて書き出す」作業として手順を組み立てます。基準に照らす所をはっきりさせておくと、字幕の抜けや時刻の書き間違いを、登録する前に見つけやすくなるからです。

どの段階で何をする?やること照らす資料
1. 範囲を決める字幕を付ける動画と、付けなくてよい動画を分けるW3C の字幕の基準[1]
2. 書き出す台詞と、内容に関わる音をもれなく文字にするW3C の字幕の基準[1]
3. 訳す届ける言語を決め、書き出した台詞と音を落とさずに訳す抜けの考え方は W3C の字幕の基準[1]。言語の数の例は厚生労働省の教材[3](訳し方そのものはこの記事の出典の範囲外)
4. 時刻を整える時・分・秒・ミリ秒を決まった桁で書くW3C の WebVTT の解説[4]
5. 照らし合わせる訳した字幕に抜けがないか確かめるW3C の字幕の基準[1]
6. 登録する動画から字幕ファイル(.vtt)を参照させるW3C の WebVTT の解説[4]

字幕・吹き替え・ナレーションのどれで翻訳するかの選び方は、親記事の「動画を翻訳する方法は?」で説明しています。この記事は、字幕で翻訳するときの流れに絞ります。

動画の翻訳は、どこでつまずきやすい?

つまずきやすいのは、届ける言語の数だけ、字幕の書き出しと確認が増える所です。日本語の動画を作っても、見る人の言葉が違えば、言語ごとに字幕ファイルを用意して確かめることになります。

公的な教材も、言葉の壁を前提に作られています。厚生労働省は、外国人労働者等に適切な安全衛生教育が実施されるよう、教育用の教材を 14 言語(一部 11 言語)で用意しています[3]。言語には、日本語・英語・中国語・ベトナム語・タガログ語(フィリピン)・クメール語(カンボジア)・インドネシア語・タイ語・ミャンマー語などが並んでいます[3]。

厚生労働省の安全衛生の教育用教材の言語の数出典: 厚生労働省「マンガでわかる働く人の安全と健康(教育用教材)」
厚生労働省の安全衛生の教育用教材の言語の数
項目数
教材の言語14言語
一部の教材11言語

外国人労働者等への安全衛生教育のために、多くの言語で用意されている

社内の研修動画でも、届けたい相手の言葉に合わせて言語を選ぶことになります。どの言語から始めるかは「研修動画の多言語化の方法」も参考になります。

動画を翻訳する手順は?(6 ステップ)

手順は、範囲を決める → 書き出す → 訳す → 時刻を整える → 照らし合わせる → 登録する、の流れです。いちばん抜けやすいのは、台詞以外の「大事な音」なので、2 番目の手順で必ず拾います[1]。

  1. 字幕を付ける範囲を決める
    W3C の解説によると、収録済みの音声を含む動画には、すべて字幕を付けるのが基準です[1]。例外は、文章の代わりとして作られた動画で、そのことがはっきり示されている場合です[1]。まず、手元の動画がどちらに当たるかを分けます。
  2. 台詞と、内容に関わる音をもれなく書き出す
    W3C は、台詞の一部や重要な効果音を抜かした字幕を、基準を満たさない例に挙げています[1]。話している言葉だけでなく、警報音のように内容に関わる音も、日本語の段階で文字にしておきます。
  3. 届ける言語を決めて訳す
    厚生労働省の安全衛生の教材が 14 言語(一部 11 言語)で用意されているように[3]、見る人の言葉に合わせて言語を決めます。訳すときは、台詞や重要な効果音の抜けが基準を満たさない例とされていることから[1]、手順 2 で書き出した台詞と音の説明を、ひとつも落とさずに訳します。訳文が長くなったときの 1 行の長さや表示する時間など、訳し方そのものの決まりは、この記事の出典では扱いません。
  4. 時刻を決まった桁で書き出す
    WebVTT は、時刻で区切って管理する字幕のファイル形式です[4]。時・分・秒は 2 桁で、足りなければ 0 で埋めます[4]。ミリ秒は 3 桁で、足りなければ 0 で埋めます[4]。
  5. 訳した字幕を、元の書き出しと照らし合わせる
    言語ごとの字幕ファイルを、手順 2 の日本語の書き出しと行ごとに見くらべます。台詞の一部や重要な効果音が抜けていないかが、W3C の基準に照らした確認の中心です[1]。
  6. 動画から字幕ファイルを参照させる
    WebVTT のファイルは、ウェブページの動画・音声の要素(HTML5 の video と audio)から参照されます[4]。この記事で扱う登録の手順は、動画から .vtt のファイルを参照させる所までです。

動画共有サービスの「字幕の認定」は、登録の手順に入る?

この記事では、登録の手順には入れず、必要な場合だけ確かめる別の設定として扱います。大手の動画共有サービスのヘルプの「字幕の認定を管理する」ページには、左側のメニューの [コンテンツ] から動画を選ぶこと[5]、[言語とキャプションの認定] で言語と字幕の認定を選べることが示されています[5]。このページが説明しているのは字幕の「認定」の設定で、翻訳した字幕のファイルをアップロードする操作は、この記事の出典では確かめていません。

字幕ファイルの時刻は、何桁で書く?

WebVTT の時刻は、時・分・秒が 2 桁、ミリ秒が 3 桁です[4]。桁が足りないときは、前を 0 で埋めます[4]。

WebVTT の時刻の桁の決まり出典: W3C Wiki「VTT Concepts」
時刻のどの部分?足りないときは?桁の数
時0 で埋める2桁
分0 で埋める2桁
秒0 で埋める2桁
ミリ秒0 で埋める3桁

ミリ秒だけ 3 桁。ここを 1 桁や 2 桁で書いてしまう誤りに気をつける

次の表は、桁の決まり[4]を、この記事でよく使う時刻に当てはめた例です。出典に載っている例ではありません。区切りの記号を含めたファイル全体の書き方は「WebVTTとは?」で説明しています。

動画のどの時点?時(2 桁)分(2 桁)秒(2 桁)ミリ秒(3 桁)決まりを当てはめた書き方は?
5 秒00000500000:00:05.000
1 分 5.3 秒00010530000:01:05.300
12 分 30.05 秒00123005000:12:30.050
1 時間 2 分 3 秒01020300001:02:03.000

注: 桁の決まりの出典は W3C の Wiki のページ「VTT Concepts」で、WebVTT の仕様書そのものではありません[4]。

実際の場面では、どう進める?

たとえば、食品工場の衛生研修で使う手洗いの動画を、ベトナム語と英語にする場面です。動画の途中で、手を洗い終える時間を知らせるタイマーの音が鳴ります。講師は「この音が鳴るまで洗い続けてください」と話しています。

台詞だけを書き出すと、タイマーの音が字幕から落ちます。すると、聞こえにくい人や、音を消して見ている人には「この音」が何を指すのか分かりません。W3C は重要な効果音を抜かした字幕を基準を満たさない例に挙げているので[1]、日本語の書き出しの段階で「(タイマーの音)」を書き足し、それをベトナム語と英語に訳します。

その音を字幕に入れるか迷ったときは、「その音が無いと、手順が分からなくなるか」で決めます。タイマーの音は手順の区切りなので入れます。背景で流れているだけの音楽は、内容に関わらなければ入れません。

書き出したベトナム語と英語の字幕は、桁の決まり[4]に合わせて、時刻を「00:03:20.000」のように書きます。社内のウェブページで配るなら、動画の要素から .vtt のファイルを参照させて仕上げます[4]。

つまずきやすい所は?

つまずきの多くは、字幕を「台詞の翻訳」だけと考えることから起きます。基準の英語を現場の言葉に置き換え、よくある勘違いと資料の中身を並べると、どこで抜けるかが見えてきます。

基準の英語は、現場の言葉でいうと何?

資料の言葉(英語)現場の言葉に言い換えると?
prerecorded audio content in synchronized media撮って保存してある動画の、声や音[1]
a media alternative for text and is clearly labeled as such文章の代わりに作った動画で、そうだとはっきり書いてあるもの[1]
captions omitting some dialogue台詞の一部が字幕に出ていない[1]
important sound effects警報音やタイマーの音など、内容に関わる音[1]
time-indexed file format時刻で区切って管理するファイル[4]
padded with zeros足りない桁を前から 0 で埋める[4]

よくある勘違いと、資料が言っていること

よくある勘違いは?資料が言っていることは?
台詞を訳せば、字幕は足りる台詞の一部や重要な効果音を抜かした字幕は、基準を満たさない例とされる[1]
字幕は、どんな動画にも必ず要る文章の代わりに作られ、そうと明示された動画は例外とされる[1]
時刻は「1:05」のように書けばよい時・分・秒は 2 桁で、足りなければ 0 で埋める[4]
ミリ秒は「.3」のように短く書いてよいミリ秒は 3 桁で、足りなければ 0 で埋める[4]
字幕を付ける決まりは国内の放送だけの話米国では州・地方政府のウェブサイトについて、生配信と収録済みの動画の字幕が挙げられている[6]

聞こえない人への配慮としての字幕の作り方は「動画の字幕と聴覚障害への配慮」でくわしく説明しています。

資料ごとに、何をどこまで言っている?

字幕と翻訳の資料は、それぞれ言っている範囲が違います。同じ「字幕」の話でも、基準・制度・書式・操作と、受け持つ所が分かれています。

資料はどれ?何について言っている?どこまで言っている?読むときの注意は?
W3C の字幕の基準の解説収録済みの動画の字幕すべての音声に字幕を付けること・例外・抜けを不適合とすること[1]聞こえない人のための字幕(キャプション)の基準。訳した字幕には、この記事が考え方を借りている
総務省のページ放送の字幕番組テレビジョン放送事業者の放送努力義務[2]・字幕番組などの制作促進[2]努力義務の対象はテレビジョン放送事業者[2]
厚生労働省の教材のページ外国人労働者等への安全衛生教育教材を 14 言語(一部 11 言語)で用意していること[3]字幕の書き方や訳し方ではなく、多言語で教える必要の例として読む
W3C Wiki の WebVTT の解説字幕ファイルの書式時刻で管理する形式であること[4]・時刻の桁の決まり[4]字幕の中身ではなく、書き出す形の決まり。仕様書そのものではなく Wiki のページ
大手の動画共有サービスのヘルプ字幕の認定の管理[コンテンツ] から動画を選ぶこと[5]・言語と字幕の認定を選べること[5]字幕を載せる操作の全体ではなく、「認定」の設定の説明として読む
米国中小企業庁の擁護局の記事米国司法省の規則WCAG 2.1 AA の技術基準を採り入れたこと[6]・生配信と収録済みの動画の字幕[6]米国の州・地方政府のウェブサイトについての話

W3C の字幕の基準の解説と WebVTT の解説は、どちらも W3C の資料です[1][4]。米国の規則も、W3C の WCAG 2.1 の AA レベルを技術基準として採り入れています[6]。一方、総務省と厚生労働省のページは、日本の放送と安全衛生教育についての資料です。決まりの対象もそれぞれ違い、日本の放送努力義務はテレビジョン放送事業者[2]、米国の規則は州・地方政府のウェブサイト[6]と、はっきり分かれています。

書き出す前に、何を確かめる?

登録する前に、次の表を上から順に確かめます。印刷して、言語ごとに使えます。

確かめることは?はい・いいえ根拠
この動画は、文章の代わりとして作られ、そうと明示された動画ではないか□W3C の字幕の基準[1]
台詞が抜けていないか□W3C の字幕の基準[1]
内容に関わる効果音(警報音・合図の音など)が字幕に入っているか□W3C の字幕の基準[1]
届ける相手の言語で、字幕ファイルがそろっているか□厚生労働省の多言語の教材[3]
時・分・秒が 2 桁になっているか(足りない桁は 0 で埋めたか)□W3C の WebVTT の解説[4]
ミリ秒が 3 桁になっているか(足りない桁は 0 で埋めたか)□W3C の WebVTT の解説[4]
動画から .vtt のファイルを参照させたか□W3C の WebVTT の解説[4]

表の上のほうの項目は、聞こえない人のための字幕の基準からとったものです[1]。翻訳した字幕でも同じ表で確かめると、言語を増やしても点検のやり方は変わりません。動画共有サービスの「字幕の認定」は、この表には入れず、必要な場合だけ別に確かめる設定です[5]。

動画を翻訳する流れは、範囲を決める・台詞と大事な音を書き出す・訳す・時刻を整える・照らし合わせる・登録する、の順に進めます。台詞だけでなく内容に関わる音まで書き出し、時刻は時・分・秒を 2 桁、ミリ秒を 3 桁でそろえましょう[4]。登録の前にチェック表で確かめると、字幕の抜けと書式の誤りを防げます。

おわりに

動画を翻訳する流れと手順について、いかがでしたか?台詞と大事な音をもれなく文字にし、言語ごとに訳し、時刻を決まった桁で書き出してから登録する、という流れで、字幕の抜けと書式の誤りを防げるということでした。

ちなみにスリーでは、「koevo」というサービスを提供しています。日本語の動画から、翻訳・字幕・吹き替えをまとめて作る動画の多言語化の仕組みです。研修やマニュアルの動画を、母国語の声で届けられます。研修動画やマニュアル動画を、翻訳から字幕・吹き替えまでまとめて多言語にしたいときにお使いいただけます。よろしければ、サービスページものぞいてみてください。

koevo のサービスページを見てみる

よくある質問

翻訳した字幕にも、効果音の説明を入れたほうがよいですか?

W3C の解説は、台詞の一部や重要な効果音を抜かした字幕を、基準を満たさない例に挙げています。これは聞こえない人のための字幕(キャプション)の基準ですが、訳した字幕も同じ考え方で点検すると、内容に関わる音の抜けに気づきやすくなります。

社内の研修動画に字幕を付ける義務はありますか?

総務省のページで紹介されている字幕番組の放送努力義務は、テレビジョン放送事業者を対象にしたものです。社内の研修動画をどう扱うかは、この資料からは言えません。ただ、字幕番組の制作促進が公的に進められてきたことは、字幕を大切にする理由の一つになります。

字幕ファイルの時刻は、何桁で書けばよいですか?

W3C の WebVTT の解説では、時・分・秒は2桁で、足りなければ0で埋め、ミリ秒は3桁で、足りなければ0で埋めることになっています。たとえば1分5秒なら、分は「01」、秒は「05」と書きます。

海外では、動画の字幕はどう扱われていますか?

米国では、司法省の規則で、州・地方政府のウェブサイトに WCAG 2.1 の AA レベルの技術基準が採り入れられ、聴覚に障害のある人のために、生配信と収録済みの動画に字幕を付けることが挙げられています。対象は州・地方政府のウェブサイトで、米国の動画全般に字幕が求められているという話ではありません。米国中小企業庁の擁護局が2024年4月25日に紹介しています。

参考文献

論文 2海外の資料 2業界・メーカーの公式資料 2

この記事は 6 本の出典をもとに書いています。うち 6 本は、引用した文が出典のページにあることを確かめています(2026年11月9日)。

  1. W3C「Understanding SC 1.2.2: Captions (Prerecorded)」(WCAG 2.1 版・年不明)海外の資料
  2. 総務省「視聴覚障害者等向け放送の普及促進」(年不明)業界・メーカーの公式資料
  3. 厚生労働省「マンガでわかる働く人の安全と健康(教育用教材)」(年不明)業界・メーカーの公式資料
  4. W3C Wiki「VTT Concepts」(年不明)論文
  5. YouTube ヘルプ「字幕の認定を管理する」(年不明)論文
  6. 米国 SBA Office of Advocacy「Justice Department Finalizes Rule…」(2024年4月25日)海外の資料

この記事を書いた人

動画の多言語化に毎日向き合っている koevo のチームが書いています。数字や制度は、元の資料へのリンクを付けています。