SRT・VTT・SBVの違い：字幕ファイル形式を解説（それぞれの使い分け）

完璧に文字起こしされた字幕ファイルが手元にあります。次はそれをエクスポートする必要があり、ツールは3つの選択肢を示します。SRT、VTT、SBVです。3つとも同じ言葉を含みます。3つともテキストをタイムスタンプに同期させます。しかし、それらは互換ではなく、間違った形式を選ぶと、字幕が表示されなかったり、スタイルが失われたり、対象プラットフォームに単に拒否されたりすることがあります。

以下では、各形式が何をするのか、どう異なるのか、そしてどれをいつ使うのかを説明します。

字幕ファイルには実際に何が含まれているのか

すべての字幕形式は、同じ基本構造を共有しています。特定の言葉を画面にいつ表示するかをビデオプレーヤーに伝える、タイムスタンプ付きのテキストセグメントです。

主要な構成要素

あらゆる字幕ファイルには3つの要素が含まれます。タイミングコードは、各キャプションがいつ表示され消えるかを指定します（通常は時:分:秒,ミリ秒の形式）。キャプションテキストには、表示する言葉が含まれます。シーケンス識別子または空行が、あるキャプションブロックを次のブロックから区切ります。形式間の違いは、これらの構成要素がどのように構造化されているか、そして各形式がどのような追加機能に対応しているかに帰着します。

その実体はプレーンテキスト

字幕ファイルはプレーンテキストファイルです。SRT、VTT、SBVのいずれのファイルも、基本的なテキストエディタで開いて内容を直接読むことができます。作成や編集に特別なソフトウェアは不要です。CAMB.AIのSpeech-to-Textが文字起こしを生成すると、その出力はこれらの標準形式でエクスポートでき、互換性のあるあらゆるビデオプレーヤーやプラットフォームですぐに使用できます。

エンコーディングが重要

字幕ファイルは、あらゆる言語の文字に対応するためにUTF-8エンコーディングで保存すべきです。標準中国語のコンテンツ向けに作成されたのにASCIIエンコーディングで保存された字幕ファイルは、文字化けを起こします。多言語の字幕ワークフローで作業する際は、公開前に必ずエンコーディングを確認してください。

SRT形式、普遍的な標準

SubRip Text（SRT）は、最も広く対応されている字幕形式です。もし一つだけ形式を覚えるなら、SRTにしましょう。

SRTの構造

SRTファイルには、番号付きのキャプションブロックが含まれます。各ブロックには、1行目にシーケンス番号、2行目にタイムスタンプの範囲（00:00:00,000 --> 00:00:02,500の形式）、そして続く行にキャプションテキストがあります。空行が各ブロックを区切ります。この構造の単純さこそが、SRTが普遍的な標準となった理由です。

SRTが使える場所

SRTは、事実上あらゆるビデオプラットフォームとプレーヤーに受け入れられます。YouTube、Vimeo、Facebook、LinkedIn、VLC、メディアサーバー、学習管理システムなどです。プラットフォームがどの形式を受け入れるか分からない場合、SRTはほぼ常に安全な選択です。CAMB.AIの文字起こしツールで字幕を生成する際、SRTは最大限の互換性のためのデフォルトのエクスポート選択肢です。

SRTの制約

SRTは、テキストのスタイリング（太字、斜体、色、位置指定）にネイティブには対応していません。一部のプレーヤーはSRTファイル内の基本的なHTMLタグ（太字タグなど）を尊重しますが、この挙動は一貫していません。スタイル付きまたは位置指定された字幕が必要な場合は、VTTがより良い選択です。

VTT形式、ウェブのために作られた

WebVTT（Web Video Text Tracks）はHTML5ビデオのために特別に設計され、現代のウェブアプリケーションにとってネイティブな字幕形式となっています。

VTTがSRTとどう異なるか

VTTファイルは、1行目に必須の「WEBVTT」ヘッダーで始まります。タイムスタンプは、ミリ秒の区切りにカンマではなくピリオドを使います（00:00:00,000ではなく00:00:00.000）。シーケンス番号は任意です。これらの構造上の違いに加えて、VTTはSRTには真似できない機能に対応しています。

スタイリングと位置指定

VTTは、キュー設定を通じてCSSベースのスタイリングに対応しています。テキストの位置（上、下、左、右）、配置、フォントサイズ、色を、字幕ファイル内で直接コントロールできます。字幕が重要な視覚要素と重ならないようにする必要があるビデオコンテンツにとって、VTTの位置指定は不可欠です。スタイル付きのキャプションは、複雑な視覚的背景での読みやすさも向上させます。

チャプター、メタデータ、説明

VTTは字幕に限りません。この形式は、チャプターマーカー（ビデオのナビゲーション用）、メタデータトラック（機械可読情報用）、説明トラック（アクセシビリティ用）に対応しています。一つのVTTファイルに複数の種類のタイミング付きテキストコンテンツを含めることができ、これがウェブベースのビデオアプリケーションにとって最も汎用性の高い形式にしています。

SBV形式、YouTube純正の選択肢

SubViewer（SBV）は主にYouTubeと結びついており、SRTやVTTよりも単純です。この形式の実用的なユースケースは限られています。

SBVの構造

SBVファイルには、タイムスタンプのペアに続いてキャプションテキストが含まれ、空行で区切られます。タイムスタンプはミリ秒の区切りにピリオドを使います（0:00:00.000,0:00:02.500）。シーケンス番号はありません。この形式はミニマルで、タイミングとテキストのみを含み、スタイリングやメタデータには対応していません。

YouTubeでのアップロードとダウンロード

YouTubeは、自動生成または手動アップロードされたキャプションをダウンロードするときにSBVファイルを生成します。YouTubeのエコシステム内だけで作業しているなら、SBVで問題ありません。YouTubeはSRTとVTTのアップロードも受け入れるため、既存のYouTubeキャプションを編集のためにダウンロードする場合を除いて、SRTよりSBVを選ぶ理由はほとんどありません。

SBVを避けるべきとき

YouTube以外では、SBVのサポートは限られています。ほとんどのプロ向けビデオエディタ、ストリーミングプラットフォーム、LMSシステムはSBVにネイティブには対応していません。字幕ワークフローがYouTube以外のプラットフォームに関わる場合は、代わりにSRTかVTTを使いましょう。形式間の変換はほとんどの字幕編集ツールで簡単に行えるため、SBVに縛られる事態は通常、避けられます。

あなたのプラットフォームに適した形式を選ぶ

形式の判断は、ビデオがどこに置かれるか、そしてどのような機能が必要かによって決まります。

最大限の互換性のために

SRTを使いましょう。どこでも受け入れられ、作成が簡単で、編集も容易です。複数のプラットフォーム（YouTube、Vimeo、ソーシャルメディア、自社ウェブサイト、LMS）でビデオを配信する場合、SRTなら字幕ファイルが変換なしですべてで機能します。

ウェブネイティブなビデオのために

VTTを使いましょう。ビデオがHTML5ビデオタグを用いてウェブサイトに埋め込まれている場合、VTTがネイティブな形式であり、SRTには提供できないスタイリングのコントロールを与えてくれます。CAMB.AIのウェブサイト翻訳を用いて多言語のウェブ体験を提供する組織にとって、VTT字幕は翻訳されたページコンテンツと直接統合されます。

YouTube専用のワークフローのために

SBVでも問題ありませんが、SRTもYouTubeで同じくらいよく機能し、ファイルを他の場所で再利用する柔軟性を与えてくれます。YouTubeの自動生成キャプションを編集のために特にダウンロードしているのでなければ、SBVを選ぶ実用的な理由はありません。

多言語の字幕セットのために

言語ごとに1つの字幕ファイルを作成し、すべての言語で同じ形式を一貫して使いましょう。ファイルには明確な言語コードを付けて名前を付けます（video-title.en.srt、video-title.es.srt、video-title.fr.srt）。複数の言語へのAI吹き替えも必要なビデオコンテンツでは、字幕テキストが翻訳のベースとなり、吹き替えの工程が正確さのために参照できます。

形式間の変換

SRTからVTTへの変換（またはその逆）には、最小限の変更しか必要ありません。ヘッダーの調整、タイムスタンプのカンマ／ピリオドの入れ替え、そして任意でシーケンス番号の追加または削除です。多くの無料ツールやスクリプトがこの変換を自動的に処理します。重要なのは、変換がすべてのタイミングの正確さと文字エンコーディングを、特に非ラテン文字について保持したことを確認することです。

選ぶ字幕形式は、そもそも正確でタイミングの合った字幕を用意することほど重要ではありません。まずコンテンツを正しく仕上げ、それから配信プラットフォームに合う形式を選びましょう。ほとんどのワークフローでは、SRTが安全なデフォルトです。スタイリングのニーズがあるウェブネイティブなビデオには、VTTがアップグレードです。SBVはYouTube固有の形式であり、そのエコシステムを超えると用途は限られます。