動画を外へ送らず、自分のブラウザで字幕を出す

2026年8月30日

限定公開の試写や、アップロードできない資料動画に字幕が欲しい。でも別サービスへ音声を送るのは避けたい。そんな隙間を、ブラウザ拡張だけで埋めようとする小さなプロジェクトがあります。

何が起きている？

CaptionCraftは、再生中のブラウザタブの音声を取得し、Transformers.jsとWhisperを使って端末内で字幕化するオープンソース拡張です。

公開READMEでは初回にWhisperモデルを取得し、その後は音声処理をブラウザ内で行う構成が示されています。字幕は短い音声チャンク単位で更新されるため、映画字幕のように完全に整えた文章が即座に出る仕組みではありません。

これは公開直後の小規模プロジェクトです。音声の種類、端末性能、ブラウザ制約による精度・遅延の差は、利用者側で確認する必要があります。

注目したいのは精度競争より、『送れない素材にもAI字幕の選択肢ができる』ことです。取材の仮確認、英語チュートリアルの理解補助、編集前の内容確認など、完成字幕でなくても役立つ場面があります。

ローカル処理でも、拡張機能の権限と配布元のコード確認は必要です。機密素材ならネットワークを切った検証環境で使い、字幕結果を外部共有する前に固有名詞を人が直してください。初回モデル取得容量や低性能PCでの遅延も見込むべきです。

一般公開の短い動画で、ネットワーク接続あり・切断後の二条件を試します。モデル取得後も外部通信がないか、CPU使用率、字幕が出るまでの遅延、固有名詞の誤りを記録します。機密素材へ進むのは、その確認後です。

完成字幕の納品ではなく、内容理解や仮編集の補助として十分なら採用できます。正確なテロップ制作、話者分離、低遅延配信が必要なら、現段階では別の手段を選びます。

判断	見る条件
試す	機密素材でいきなり使わず、権限と通信を確認した検証環境で短い動画から試す。
待つ	原投稿の条件と手元の環境を比較できない

試す前の判断線

大吉

『完成字幕』でなくても、長い資料動画を理解する補助ならすぐ使い道がある。

影

ブラウザ拡張にタブ音声の権限を渡す以上、ローカルという言葉だけで安心はできない。

大吉

なら、素材を外へ出せない一本で、完成字幕ではなく聞き取り補助として試すのがよさそう。

見極

クラウド精度との勝負ではなく、素材を外へ出せない時の別ルートです。

機密素材でいきなり使わず、権限と通信を確認した検証環境で短い動画から試す。