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
話者検出付きでMac上でインタビューを文字起こしし、文字起こしを編集してカットし、J.A.R.E.D.で詰め、字幕を付ける。何もアップロードせずに完結する手順です。
インタビューをテキストで編集するとは、映像を文字起こしし、その文字起こしを文書のように読み、言葉を選んで削ることで動画をカットするということです。文字起こしを使った動画編集なら、2時間の対談が20分で目を通せるものになり、耳で細かく詰める前に、紙の上で構成を組み立てられます。
cinemaOSでは、このループ全体がMac上で動きます。⇧⌘T で文字起こしし、話者を確認し、ビンの Text Editing タブで編集し、必要なセリフを文字起こしの中から検索し、必要ならJ.A.R.E.D.にカットを詰めてもらい、字幕を付ける。メディア、文字起こし、プロンプトがアップロードされることはありません。以下ではそのワークフローと、インタビューのカットを成功させる編集の習慣を紹介します。
なぜローカルで文字起こしするのか
インタビューは、プロジェクトの中で最も機密性の高い映像であることがよくあります。出演者がオフレコの話をすることもあれば、撮影には同意しても自分の言葉が第三者のサービスに送られることには同意していない人がドキュメンタリーに関わっていることもあり、企業のクライアントには録音の扱いについての規則があることもあります。
ローカルでの文字起こしなら、この問題そのものがなくなります。cinemaOSは25言語に対応するParakeetと、それ以外の言語のためのWhisperを使います。どちらもMac上で動くので、ネットワーク接続がなくても作業でき、文字起こしはプロジェクトの中にとどまります。トレードオフは小さなマシンでの速さです。8 GBのMacでは重いAIジョブが1つずつ実行されるので、映像のアップスケールと同時ではなく、コーヒー休憩の前に文字起こしを始めましょう。
プライバシーがプロジェクトの中心的な関心事なら、オンデバイスAIの動画編集で、ローカル処理が何を保証し、何を保証しないかを掘り下げています。
ステップ1：文字起こしして話者を確認する
インタビューのクリップを選び、⇧⌘T（Transcribe with J.A.R.E.D.）を押します。Finisherの Localize ▸ Captions から行うこともできます。言語は Auto Detect のままにしておきます。ただし、録音に言語が混ざっていて検出が混乱しそうだとわかっているなら、言語を指定してください。
cinemaOSは最大4人の話者を検出します。出演者、インタビュアー、それに1〜2人。ほとんどのインタビューの体制をカバーできます。文字起こしが表示されたら、次のことをします。
- 話者に名前を付ける。 汎用のラベルを実名に置き換えます。後で検索したり読んだりするのがずっと速くなります。
- 話者の切り替わりを抜き取りで確認する。 「そうですね」「うん」のような短い相づちは、話者検出が最も間違えやすいところです。重要なものは直しておきます。
- 名前と用語を直す。 固有名詞、専門用語、地名はよく外れます。同じ文字起こしが後で字幕にも使われるので、今のうちに直しておきましょう。
この段階ですべての言葉を校正する必要はありません。検索と字幕に影響するものを直し、残りは、どのセリフがカットに残るかがわかってからで構いません。
ステップ2：Text Editingタブで編集する
Sequencerのビンで Text Editing タブ（Bin と Forge の隣）を開きます。文字起こしが編集の場になります。テキストを選ぶと対応するメディアが選ばれ、言葉を削るとカットから対応する部分が削られます。
実践的な作業の順番です。
- セレクトの工程を行う。 一度通して読み、作品に使えそうな答えだけを残します。おおらかに残しましょう。最終判断をするのではなく、明らかな行き止まりを取り除くだけです。
- 紙の上で構成を組む。 残った答えを物語の順番に並べます。テキスト編集が最も強いのはここです。段落を動かすほうが、クリップを動かすより速いのです。
- それから耳に切り替える。 組み立てたものを通して再生します。テキストは声のトーンを隠します。読んでよいセリフが平板に響くこともあれば、見た目には乱れたつまずきが、インタビューで最も正直な瞬間であることもあります。
文字起こしは地図であって、土地そのものではありません。すべてのカットの最終判断は、タイムラインの上で、聴いて下します。
ステップ3：必要なものを文字起こしから検索する
長いインタビューは覚えておくのが大変です。Search Project… を使い、Word（単語）か Meaning（意味）で瞬間を探します。単語検索は正確なフレーズを見つけるので、誰かが何と言ったか覚えているときに最適です。意味検索は、言い回しは覚えていなくても考えは覚えているとき、たとえば「彼女が家を出ることについて話していたところ」のようなときに使います。
役に立つ習慣が2つあります。
- 答えだけでなく、質問を検索する。 インタビュアーが同じことを言い方を変えて2回尋ねていたなら、どちらの答えも候補です。
- すべてのインタビューを横断して検索する。 複数の出演者が同じテーマに触れているなら、選ぶ前にすべて見つけておきます。複数の声の間をつなぐセクションを組み立てる最速の方法です。
ステップ4：自分の条件でJ.A.R.E.D.に詰めてもらう
おおまかな組み立てができたら、機械的な詰めはJ.A.R.E.D.に任せられます。⌘J を押してセッションモードを Always ask にし、たとえば次のように入力します。
Tighten this interview to 2 minutes and keep the pauses
もっと軽く手を入れたいなら、こうです。
Remove filler words as a candidate
J.A.R.E.D.はMac上で動き、編集は見ている前で実際のタイムラインに反映されます。Always ask では、実行前に提案します。終わると何が変わったかの記録が表示され、⌘Z でそのステップ全体を元に戻せます。破壊的な操作は、モードにかかわらず必ず確認します。
これが何のためのものかは現実的に考えてください。尺の目標を達成したり、「えー」や言い直しを取り除いたりするのは得意です。どの答えが作品の感情の中心なのかは知りません。構成の判断を済ませた後に使い、その前には使わないでください。またJ.A.R.E.D.は現時点では英語で書いた依頼で最もよく機能し、他の言語での理解は精度が落ちます。日本語のインタビューでも、指示は英語で書くのが確実です。
そして、間は残しておきましょう。息継ぎをすべて取り除いたインタビューは、息苦しく、せかせかして聞こえます。重要な答えの前の0.5秒の間こそが、それが届く理由であることがよくあります。AIの「完了」がよいカットと同じでない理由をもっと知りたいなら、AI編集は「完了」と言うのに、カットが間違っている理由で自動編集の確認方法を取り上げています。
ステップ5：同じ文字起こしから字幕を作る
カットがロックされた時点で、字幕のほとんどはすでに手元にあります。J.A.R.E.D.に「Tighten interview, then caption」と頼んで2つのステップをつなげることもできますし、自分で字幕を加えることもできます。⌃⌥C で再生ヘッドの位置に字幕を加えられ、Finisher ▸ Localize ▸ Captions に本格的な字幕ツールがそろっています。
書き出しの前に、Strict または Compatible Repair でQCを実行し、最も詰まった部分で1行の長さと読む速さを確認します。そのうえで、プラットフォームが必要とするフォーマットで書き出します。SRT、WebVTT、ASS、SCC、EBU-STL、iTT、IMSC1、EBU-TT-D、FCPXML、あるいはSNS用のバージョンには Burn In を使います。インタビューを別の言語にする必要があるなら、同じ文字起こしをローカルで翻訳できます。品質の段階についてはMacでローカルに字幕を翻訳する方法で正直に説明しています。
残しておきたいインタビュー編集の習慣
どのツールを使っていても、次の習慣でインタビューのカットはよくなります。
- 文ではなく、考えで切る。 人は文の途中で考えを終え、息の途中で新しい考えを始めます。考えの本当の始まりを見つけてください。
- カットの前に目を見る。 考えるために視線を落とし、話すために戻す出演者の目の動きは、自然な編集点になります。
- ジャンプカットは正直に隠す。 Bロール、聞き手へのカットアウェイ、意図的なジャンプカットはどれも有効です。意味を変えてしまう隠れたジャンプカットはいけません。
- 出演者の声を保つ。 詰めることは書き換えることではありません。カットによって誰かが本意でないことを言っているようになったら、元に戻してください。
- 最終的な文字起こしを一度読む。 字幕の前に、カットをテキストとして読みます。繰り返された言葉やつながらない文は、紙の上のほうが見つけやすいものです。
FAQ
cinemaOSは何人の話者を検出できますか？
1回の文字起こしにつき最大4人です。それ以上の人がいるパネルでは、主な4人の声に名前を付け、残りは手で直してください。
文字起こしはオフラインで動きますか？
はい。文字起こしはParakeetまたはWhisperを使ってローカルで動くので、ネットワーク接続は不要で、何もアップロードされません。
J.A.R.E.D.は確認なしにカットを変えますか？
Always ask モードでは変えません。このモードでは、変更ごとに先に提案します。どのモードでも破壊的な操作は確認を求め、すべての編集は ⌘Z で取り消せます。
次のインタビューで試す
インタビューを1本選び、文字起こしをして、Text Editingタブでセレクトの工程を行ってみてください。それだけで、たいてい午後1回分の時間が浮きます。cinemaOSはApple silicon搭載Macで動作し、カード登録不要の60日間の無料体験があります。