はじめに
動画編集者、オンライン講座の制作者、ローカライズ担当者にとって、正確な中国語字幕の制作は繰り返し登場する課題です。簡体字と繁体字の両方を扱い、多言語展開を行う場合はなおさらです。一見簡単そうに見える「字幕作成」ですが、実際は技術的かつ言語的なパズルに早変わりします。YouTubeなどのプラットフォームから字幕をコピー＆ペーストしても、タイムスタンプがずれたり、話者情報が失われたり、全角文字特有の制約で読みやすさが損なわれたりと、うまくいかないことが多いのです。
こうした背景から、「テキスト化を先に行ってから字幕化する」という手法が最善策として広まっています。自動生成の粗い字幕に頼るのではなく、まず正確なタイムコードと話者ラベル付きの書き起こしを作り、それを字幕用に分割・整形してから翻訳する。この方法なら、タイミングずれや慣用句の誤訳、文章の不自然な切れ方といった問題を事前に防ぎつつ、品質の高い中国語字幕を制作できます。
精度の高いオンライン文字起こしサービスを使えば、動画ファイルを丸ごとダウンロードして手作業で整理する必要はありません。リンク経由で正確なテキストを抽出でき、品質とコンプライアンスを保ったまま作業を高速化できます。
なぜコピー＆ペーストでは失敗するのか
タイムスタンプのずれ
特に自動生成字幕をコピーした場合、タイムコードは少しずつ誤差を積み重ねます。フレーム落ちや発話の重なりが考慮されず、映像との同期がずれます。10分の動画でも、終盤には0.5秒程度の遅れが発生することもあり、会話中心のコンテンツでは視聴者に違和感を与えます。中国語字幕では読み速度の制限（1秒あたり12～15文字）が厳しいため、わずかなタイミングズレでも理解度低下が顕著です。
話者情報の欠落
プラットフォームから抽出した字幕は話者ラベルを省略していることが多く、インタビューやパネルディスカッション、eラーニングでは誰が話しているのかわからなくなります。画面外ナレーションと画面上の会話が頻繁に切り替わる場合、視聴者はすぐに混乱します。プロのガイドライン（例：Netflix Chinese Timed Text Style Guide）では、話者を括弧で明示するなど厳格なルールが定められています。
話者情報を最初に残さないと、後から音声源を確認し直す必要があり、作業量が増大します。
中国語字幕のための「書き起こし先行」手法
ステップ1：正確な書き起こしを作る
書き起こし先行方式なら、コピー字幕特有の問題を避けられます。動画や音声からフレーム精度のタイムコードと明確な話者ラベル付きでテキストを抽出します。最新のツールなら動画リンクやローカルファイルから直接処理でき、乱れた自動字幕を掃除する必要はありません。
ステップ2：字幕サイズに合わせて再分割
検証済みの書き起こしを手に入れたら、全角文字のルールに沿って字幕用に分割します。英語字幕は1行37～42文字でも許容されますが、簡体字・繁体字では読みやすさのために秒間12～15文字、1行あたり20～22文字以内が推奨されます（AVTpro中国語字幕ガイドライン参照）。ここで自動分割機能が威力を発揮します。手動で分割すると重複会話や画面テキストの挿入などでミスが発生しやすく、かなり手間がかかります。
ステップ3：ターゲットスクリプトでSRT/VTTを出力
分割済みの書き起こしから、音声と完全同期したSRTまたはVTT形式を出力します。字幕ブロックは一文完結を基本とし、中国語では中途切れや画面テキストによる割り込み時の句読点ルールにも注意が必要です。
中国語字幕ローカライズのベストプラクティス
中国語字幕制作は単なる翻訳作業ではなく、文化的適応と精密な技術処理の両立が求められます。
慣用句や文化的背景の保持
直訳は慣用句や文化的ニュアンスを崩します。例えば英語の “break a leg” は直訳すると意味が通じません。この場合は中国語の同等表現に置き換えて意味とニュアンスを維持します。簡体字と繁体字のそれぞれに専用用語集を用意することで、文化面・言語面の正確さを保てます。
簡体字と繁体字は別案件として扱う
自動変換ツールは存在しますが、実際には文字セットの違い以上に用語や言い回し、文化的表現が異なることがあります（参考：こちらの記事）。複数市場への展開を行う場合、翻訳メモリを別々に管理し、それぞれ独立して品質確認を行うことが必須です。
読み速度に基づく分割ルール
理解度を高めるためには以下の基準を守ります：
- 1行あたりの最大文字数：中国語は20～22文字
- 最大読み速度：1秒あたり12～15文字
- 字幕の最短表示時間：約1秒
- 字幕の最長表示時間：6～7秒（読み速度基準を満たす場合）
このルールを守ることで、内容を知らない視聴者でも快適に読めます。
リリース前の品質確認（QA）
中国語字幕のQAは単なるスペルチェックに留まりません。
レビュー作業のステップ
- タイミング確認：字幕は発話開始時に表示され、終了と同時に消えるようにし、読みやすさのため2フレーム程度の空白を挟む。
- 話者識別：すべての話者（画面上／画面外）を一貫してラベル付けする。アクセシビリティ基準として外せない要件です。
- 画面テキストの扱い：物語に必要な看板などは字幕化、装飾的テキストは不要といったルールを適用。
- 慣用句の一貫性：用語集を参照し、簡体字・繁体字それぞれで文化的表現が正しく置き換えられているか確認。
- 視覚的曖昧さの補足：括弧で補足を入れ、例「(ナレーター)」「(画面外)」など。
この流れを守ることで再作業を減らし、プロジェクト全体の一貫性を維持できます。
即時多言語翻訳の役割
即時翻訳エンジンは、一度の書き起こしから多言語字幕を生成できる便利なツールです。しかし中国語の場合、生成結果は完成品ではなく出発点と考えるべきです。
書き起こし先行方式なら、100以上の言語に翻訳してもタイムコードは正確に保たれます。その後、中国語固有の用語集やスタイルガイド、文化面の調整を適用します。これにより、字幕分割後に翻訳する際の行長不一致や全角文字特有の可読性低下を防げます。
書き起こし先行による効率化
字幕のタイミング合わせや訳の修正を手作業で行うと、60分の講座やドキュメンタリーでは数日かかることもあります。しかしこの方法なら：
- 書き起こしと話者ラベル付け：数分
- 中国語専用ルールへの再分割：自動ツール利用で1時間未満
- QA：構造的なエラーが事前に潰せるため、30～50%削減
シリーズ作品など大量コンテンツの場合、この節約は数週間分の作業短縮となり、市場投入の前倒しが可能です。
まとめ
正確な中国語字幕を作るなら、オンライン講座、国際ドキュメンタリー、多市場向けプロモーション映像でも、基本方針は同じです。書き起こし先行方式を採用し、簡体字と繁体字を別々の成果物として扱う。行長・読み速度のルールを尊重し、専用用語集で慣用句を正しく置き換え、徹底したQAを組み込むことで、文化的ミスや技術的手戻りを回避できます。
構造的な抽出とスマートな再分割、言語に配慮した翻訳パイプラインを組み合わせれば、中国語字幕制作を繰り返し可能な効率的プロセスに変えられます。即時書き起こしからスクリプト別ローカライズまで一貫して行えるプラットフォームを使えば、短納期でもプロ品質の多言語字幕を実現できます。
よくある質問
1. なぜYouTube字幕をそのまま使ってはいけないのですか？ タイミングのずれ、話者ラベル欠落、中国語特有のフォーマットや読み速度の無視が多く含まれるためです。後から修正すると、最初から書き起こすよりも時間がかかります。
2. 英語字幕と中国語字幕で最も大きな違いは何ですか？ 中国語は全角文字のため、1行あたりの文字数を少なくしないと可読性が落ちます。また読み速度の制限が厳しく、文化に合わせた翻訳が必要です。
3. 簡体字から繁体字への変換は自動でできますか？ 基本変換ツールはありますが、慣用句や文化的表現を正しく残すには、それぞれ別途ローカライズし、独立した品質確認を行うことが必須です。
4. 中国語字幕の文字制限はどう設定すべきですか？ 1行あたり20～22文字、読み速度は1秒あたり12～15文字が目安です。画面サイズやフォントに応じて調整します。それ以上は理解度が低下します。
5. 自動翻訳は字幕分割を正しく保持しますか？ 保持しません。まず書き起こしを字幕用に分割し、その後翻訳を適用することで、タイミングや改行が各言語に適合します。特に全角言語では必須です。
