べっく(AIマーケ翻訳家)さんは、CodexやClaude CodeにローカルのWebアプリを作らせ、文字起こしからテロップ用XMLの書き出しまでを自分のMac内だけで済ませる進め方を記録している。
Final Cut Proのテロップ入力に時間を取られる場面
Final Cut Proで音声の整った動画を作っていても、テロップを一つずつ置く作業だけは地味に時間を奪っていく。聞き取り、タイミング合わせ、文字の配置、フォントや色、アウトラインの調整をカットごとに繰り返す必要があるからだ。
短い動画ならまだしも、カット数が増えるほど文字起こしから配置、調整までのループがそのまま比例して伸びていく。集中力を要する単純作業が延々と続くという、精神的に消耗するタイプの作業でもある。
| 症状 | 原因のレイヤー | 確認する場所 |
|---|---|---|
| 画面が開かない | 起動の仕組み側 | アプリを動かす仕組みの起動設定 |
| XMLが読み込めない | 書式側 | Final Cut Proの読み込み条件に合っているか |
| 文字は出るが表示されない | 見た目の指定側 | フォントや位置の指定 |
| 色やアウトラインが反映されない | 見た目の指定側 | 色・枠の指定方法 |
| 文字起こしの誤字が多い | 文字起こし側 | モデルの選び方と誤字の対応表 |
最近はWhisper系のモデルを使った文字起こしの精度が上がり、日本語でも実用に近い結果が出せるようになった。数年前までは日本語の自動文字起こしは実用に向かないという見方が強かった分、この変化は制作の現場にとって地味に大きい。
ただ、文字起こしができても、Final Cut Proで編集できるテロップとしてすぐに使えるわけではない。読み込んだ結果をそのままタイトルクリップに変換できず、見た目を整える手前で手が止まりやすい。
べっく(AIマーケ翻訳家)さんが挙げている不満は分かりやすい。読み込むだけでは見た目を調整できないこと、音声ファイルを外部サービスへアップロードしたくないこと、できればローカルのMacだけで作業を終えたいことだ。
取材音声や顧客とのやり取りが入った素材など、外部に上げたくない音声は編集の現場に意外と多い。クラウドの文字起こしサービスは便利だが、データの扱われ方が分からないものもあり、仕事で使う素材には向かない場面がある。
この作業を人力だけでやり続けると、動画一本ごとに同じ手順をもう一度なぞることになる。文字起こしの精度が上がった分だけ、むしろ読み込みや整形で足踏みする時間の方が目立つようになったとも言える。
配信や投稿の本数を増やそうとするほど、テロップ作業の手間は編集全体の足を引く比重が大きくなる。文字起こし自体が速くなった今、残る壁は読み込みと見た目の調整という、後工程の方に集中していると見てよい。
文字起こしができても、Final Cut Proで編集できる形にならない事情
テロップを入れる作業がやっかいなのは、文字が合っているだけでは終わらないところだ。Final Cut Pro側で、仕様通りに書かれたテロップ用XMLとして読み込める形になっていないと、読み込み自体を拒まれてしまう。
Final Cut Pro用のXMLは、厳密な書式チェックが行われる形式だ。見た目には大体合っていそうなXMLでも、余分な指定が一つ付いているだけで読み込み自体を拒否されることがある。
だからこそ、テロップを作るアプリをAIに作らせるときは、曖昧な頼み方を避けたい。基本のタイトル形式として読み込めること、書式チェックで弾かれやすい指定を避けること、フォントや色、アウトラインを後から調整できることを、最初の指示で具体的に伝えておく必要がある。
テロップを後から直せる形で持たせておくという考え方自体は、Final Cut Pro特有のものではない。
Blackmagic DesignのDaVinci Resolve公式製品ページは、編集ページには文字によるタイトルやトランジション、エフェクトを追加してアニメーションできるライブラリが用意されていると説明している。
動画編集ソフト全体で、テロップや見出しを焼き付けた映像ではなく、後からフォントも位置も直せる部品として持っておく発想が一般的になっている、と見てよさそうだ。Final Cut Proで厳密な読み込み条件が課されているのも、その部品として扱うための前提だと捉えると納得できる。
文字起こしのモデル選びにも、似たような誤解が起きやすい。実行の仕組みと、文字起こしそのものを担うモデルは別物で、同じモデルでも動かし方によって手元での速さが変わってくる。
処理が遅いと感じたときにまずモデルを疑いたくなるが、実際は動かす仕組み側の設定が原因になっている場合も少なくない。思い込みで直す場所を決めず、どちらの層で起きている遅さなのかを先に見分けるほうがよい。
配布済みの完成アプリをそのまま使う方法もあるが、作った人の環境に合わせた仕様になっていることが多く、少し違う使い方をしたいときに手が止まりやすい。CodexやClaude Codeに作らせる方式なら、仕様をその場で言い直して作り直せる柔軟さがある。
書式のチェックが厳しいのは、Final Cut Pro側が壊れたテロップをタイムライン上でそのまま動かしてしまわないための仕組みでもある。緩く作ったXMLがなんとなく通ってしまうと、あとで原因の分からない表示崩れに苦しむことになりかねない。
テロップ用XMLを書き出し、Final Cut Proへ読み込むまでの流れ
実際の流れは、Final Cut Proのタイムラインから音声だけを書き出すところから始まる。テロップを付けたい範囲と、書き出した音声の長さをきっちり一致させておくことが、地味だが最初の分かれ道になる。
書き出し範囲がタイムラインとずれていると、あとで作ったテロップの時間軸も丸ごとずれる。このずれは後工程のどこを直しても解消しない種類のものなので、最初に範囲を合わせておくのが結局いちばん早い。
音声を読み込んだら、Whisper系のモデルで文字起こしをし、フォントや文字色、アウトライン、位置をブラウザ上の画面で指定して、Final Cut Pro用のXMLとして書き出す。ここまでが、べっくさんの記録にある一連の流れだ。
書き出したXMLをFinal Cut Proに読み込むと、テロップだけの専用プロジェクトとして現れる。本編の編集タイムラインを直接壊さずに内容を確認できる、安全な置き場所になっているわけだ。
確認が終わったら、必要な分だけ本編のタイムラインへコピーして合流させる。最初から長い音声で試すのではなく、短い音声で読み込みと表示、位置、アウトライン、タイミングを確かめてから本番に進む方が、手戻りが小さい。
文字起こしには専門用語や人名の誤字がどうしても出やすい。よくある誤字をあらかじめ対応表として登録しておけば、置き換えだけで直せるようになり、同じジャンルの動画を作るほど辞書が育って手直しが減っていく。
うまく動かないときも、原因のレイヤーを分けて考えると見通しが良くなる。画面が開かないなら起動する仕組み側、XMLが読み込めないなら書式側、文字が出ない・色が反映されないなら見た目の指定側、という切り分けだ。
Final Cut Pro側の読み込み仕様は、バージョンが上がるたびに変わる可能性がある。前は読み込めたXMLが、更新後に読み込めなくなるという事態も起こり得るため、本番で使う素材は短い音声で一度通してから任せるのが安全だ。
見た目を完璧に整えてから読み込もうとすると、そもそも読み込めない状態のままスタイルを詰めることになり、手戻りが大きくなる。まず読み込めることを確かめ、そのあとで表示を整えるという順番を守るほうが、結局は近道になる。
テロップの作業記録は、合格・不合格の二択で見るより、読み込めた・表示された・見た目が整った、という段階ごとに残しておくほうが扱いやすい。そうすれば、どの段階で止まったカットかが、あとからでもすぐに見分けられ、同じ原因で何度も足を止められずに済む。
AI編集部のつぶやき
