インタビュー動画からフィラー（えー・あー）を消す方法

インタビュー動画からフィラーを消すには、映像を文字起こしし、文字起こしの中から「えー」「あー」「えっと」「あの」や言い直しを探し、それをひとつの候補編集としてまとめ、受け入れる前につなぎ目をすべて再生して確かめます。言葉を素早く見つけるのは文字起こしの仕事で、どれを消すかを決めるのは耳です。仕上がりの質の大半は、何を残すかで決まります。誠実な答えの前の間、考えている様子が伝わるつまずき、視聴者が追いつくための息継ぎです。

このガイドでは、文字起こしができるどの編集ソフトでも使える手順、整えたインタビューがロボットのように聞こえないための習慣、そしてcinemaOSとJ.A.R.E.D.を使ってローカルで行う方法を説明します。

フィラーを消す価値と、すべては消さない理由

話し言葉はためらいだらけです。同じ部屋にいれば誰も気づきません。しかし画面の上では、10秒の答えに「えー」が3回入るだけで、自信のある話し手が頼りなく見え、3分の作品が4分に感じられます。

とはいえ、フィラーは見つけ次第消すべき雑音ではありません。多くの場合、情報を運んでいます。

• 考える時間。 難しい質問への答えの前の間は、その答えがリハーサル済みではなく、考え抜かれたものだと視聴者に伝えます。
• 感情。 途切れた言い出し（「わ、私は……」）が、インタビューで最も正直な瞬間になることがあります。
• リズム。 自然な話し方には息をつく余白があります。それをすべて取り除くと、話し手がプロンプターを早口で読んでいるように聞こえます。
• 意味。 「その」はフィラーのこともあれば、「その件」のように指示語のこともあります。「まあ」は口癖のこともあれば、言い切りを和らげる言葉のこともあります。

目指すのは、その人が実際に言ったことを、より締まった明快な形にすることです。別人にすることではありません。

どの編集ソフトでも使える手順

基本のワークフローは、使うソフトにかかわらず同じです。違うのは、どこまで自動化されているかです。

1. インタビューを文字起こしする。 メディアとタイミングが同期した文字起こしを使い、言葉を選ぶとクリップの対応する瞬間が選ばれるようにします。
2. 定番のフィラーを検索する。 「えー」「あー」「えっと」「あの」「その」「なんか」「まあ」や、「それが、それが」のような繰り返しを探します。文字起こしのモデルによっては、初期設定でフィラーをテキストから整えて消してしまうものがあるので、テキストがきれいに見えても音声がきれいとは限りません。
3. 言い直しは読んで見つける。 言い直しとは、話し手が途中でやめて言い直す文のことです。「私たちは行って、車で海まで行ったんです」。検索では見つかりません。読めば見つかります。
4. まだ削除せず、印を付ける。 削除候補を、まとめて確認できるセットとして集めます。複製したシーケンス上でも、提案された編集としてでも構いません。元の素材には手を付けずに残します。
5. つなぎ目をすべて聞く。 カットの前後1〜2秒を再生します。聞くのは、切れた子音、半分で切れた息、ルームトーンの段差、そしてカットを目立たせる声の高さの変化です。
6. 隠せないものは覆う。 音はきれいでも映像が飛ぶなら、Bロール、インタビュアーへのカットアウェイ、あるいは正直なジャンプカットを使います。

ステップ2と4を手伝ってくれる編集ソフトは増えています。Descriptには、文字起こしを軸にしたフィラー除去専用の機能があります。Premiere Proのテキストベース編集は、最近のバージョンでは「um」「uh」のようなフィラーや間を文字起こし上で検出し、削除できるようにします。DaVinci Resolveも最近のバージョンで文字起こしとテキストベース編集のツールを追加しており、その一部は有料のStudio版限定です。機能はリリースごとに変わり、対応言語もさまざまなので、日本語の音声に対して自分のバージョンで何ができるかは、各ベンダーの最新ドキュメントで確認してください。ステップ5の確認は、どのソフトでも同じです。

何を残すか：意味のある間

フィラー除去で最も難しいのは、抑制です。実際のインタビューでよく通用する目安をいくつか挙げます。

• 難しい答えの前の間は残す。 質問が個人的なものなら、沈黙も答えの一部です。
• 話し手が意図して言い直しているときのためらいは残す。 「あれは、そうですね、もっと複雑だったんです」は、消すべき言い直しではありません。それこそが要点です。
• フィラーは切っても、息は切らない。 「えー」とその後の息を1回のカットでまとめて消すと、次の言葉が不自然に早く始まることがよくあります。短い息は残しましょう。
• 笑いの後には少し余白を。 笑いはゆっくり消えていきます。すぐ次の文に切ると余韻が切れ、不自然に聞こえます。
• 顔も見る。 音ではきれいなカットでも、頭のジャンプやまばたきでばれることがあります。

大まかな進め方として、まず明らかなフィラーと言い直しを消すパスを1回行い、次に、慌ただしく聞こえるようになった部分を戻す2回目のパスを行います。編集が人間らしく聞こえ始めるのは、この2回目です。

cinemaOSとJ.A.R.E.D.でフィラーを消す

cinemaOSはApple silicon向けのMacネイティブな編集アプリです。文字起こしとアシスタントのJ.A.R.E.D.はMac上で動くので、インタビュー、文字起こし、依頼内容がアップロードされることはなく、生成クレジットを数える必要もありません。以下の手順は文字起こしとテキスト編集のチュートリアルに沿っています。

ステップ1：インタビューをローカルで文字起こしする

Sequencerでインタビューを選び、⇧⌘T を押してJ.A.R.E.D.で文字起こしします。文字起こしにはタイムスタンプが付き、最大4人の話者を割り当てられるので、ほとんどのインタビューの体制をカバーできます。先へ進む前に名前と話者ラベルを直しておきましょう。同じ文字起こしが後で字幕にも使われます。

ステップ2：Text Editingタブで読む

ビンの Text Editing タブを開き、映像と並べて言葉を読みます。一節を選んで削除すると、タイムライン上でリンクした映像クリップと音声クリップがカットされます。ここでは言い直しを目で探します。答えをひとつずつ読み、話し手が途中でやめている文を見つけてください。

ステップ3：J.A.R.E.D.には最終カットではなく候補を頼む

⌘J を押し、「remove filler words as a candidate」のように依頼します。J.A.R.E.D.は主観的な編集作業を編集可能な候補として扱い、すでに承認したシーケンスを黙って置き換えることはありません。承認済みのシーケンスはそのまま残り、フィラーを除いた候補を確認でき、変更がタイムラインに反映されると、何が変わったかの記録が表示されます。候補が何を削除し、何を残したかの両方を確認してください。言い直しや判断が必要な箇所は、引き続きステップ2で自分で読んで見つけます。また、J.A.R.E.D.は現時点では英語の指示を最も確実に理解するので、依頼は英語で書くのがおすすめです。

ステップ4：確認し、戻し、取り消す

候補を通常の速度で通して再生します。削除が不自然に聞こえるところは元に戻すか、⌘Z でそのステップを取り消します。これはアプリの通常のUndoとRedoです。プロジェクトはバージョンスナップショットと復旧機能を備えたローカルの .mntm ファイルなので、始める前にカット前のインタビューのスナップショットを残しておき、比較することもできます。

ステップ5：音を仕上げ、字幕を付ける

台詞の細かいカットはクリックノイズやルームトーンの段差を残すことがあるので、まず次のセクションの方法で直します。それから SOUND コンソールでダイアログバスのバランスを取り、書き出し前にラウドネスを確認します。カットが固まったら、同じ文字起こしから字幕を生成します。手順はオフライン字幕のチュートリアルにあります。

ここでcinemaOSができないこと

限界については現実的に考えてください。J.A.R.E.D.は用意されたジョブだけを実行し、それ以外の依頼は推測せずに断ります。文字起こしの精度と話者検出は録音の質に左右されるので、雑音の多い音声や声が重なる部分は、手作業での確認が増えます。フィラーの候補は完成版ではなく、最初のパスとして扱ってください。「なんというか」「みたいな」のような言い回しや、文字起こしに書き出されなかったフィラーは、Text Editingタブでの手作業のパスが必要になることがあります。また、候補はどのためらいに意味があるかを判断しません。それを決めるのはあなたです。cinemaOSは今のところMac専用で、Windows版は2027年11月の予定です。バージョン0.2、Build 9の若いアプリでもあります。

フィラーを消した後によくある問題

• カット点のクリックノイズ。 つなぎ目ごとに短いオーディオクロスフェードを入れるか、カット点を言葉の間のゼロクロスに少しずらします。
• ルームトーンの段差。 すき間はデジタルの無音のままにせず、同じテイクのきれいなルームトーンを数フレーム入れて埋めます。
• 話し手が慌ただしく聞こえる。 フィラーと一緒に息まで消しています。重要な文の前の息から、いくつか戻しましょう。
• 言い直す前のほうが良いセリフだった。 人は最もわかりやすい言い方を最初にして、そのあと説明しすぎることがよくあります。両方を読んでから選びましょう。
• 字幕が合わなくなった。 字幕の再生成やタイミング調整は、カットが固まった後に行います。前ではありません。

自動編集を確認するのが初めてなら、AI編集は「完了」と言うのに、カットが間違っている理由で、機械の編集を自分の判断で確かめる方法を解説しています。

FAQ

フィラーは確認せずに自動で消せますか？

いくつかのツールでは可能ですが、インタビューではあまりおすすめできません。自動削除はすべての「えー」を同じように扱いますが、中には意味を持つものや、話のリズムを守っているものがあります。自動のパスは提案として扱い、結果を聞いて確かめてください。

フィラーを消すと、話し手の意図が変わりますか？

変わることがあります。ためらいを切ると、慎重な答えが断定的に聞こえることがあり、文の前半と後半をつなぐと、誰も言っていない発言が生まれることもあります。編集で意味が変わるなら元に戻してください。ドキュメンタリーや報道では特にそうです。

フィラーを消すのは構成の編集の前と後、どちらが良いですか？

後です。まず使う答えを選んで構成を組み、残ったセリフだけからフィラーを消します。最終的に3分になる2時間分の文字起こしを整えるのは時間の無駄です。構成の編集そのものについては、インタビューを文字起こしして、テキストで動画編集するでワークフロー全体を説明しています。

ひとつの答えで試す

次のインタビューから答えをひとつ選び、手作業で整えてから、自動の候補と比べてみてください。どのためらいを残したいかが、すぐにわかるようになります。Apple silicon搭載Macで編集していて、文字起こしもアシスタントも手元のマシンに置いておきたいなら、cinemaOSはカード登録不要、自動課金なしで60日間無料、その後は月額$9.99（USD、税別）です。