ローカル文字起こしベースの編集
動画または音声ファイルを取り込むと、単語ごとのタイムスタンプと話者ラベル付きの文字起こしがローカルで生成されます。文字起こしが、そのメディアクリップの編集画面になります。
ローカルな動画・音声編集のためのブラウザベース文字起こしエディタ
Rescript は、ブラウザ上で動作するオープンソースの文字起こしベース動画・音声エディタです。ワークフローの中心はテキストにあり、メディアファイルを取り込むと、アプリが単語レベルのタイムスタンプと話者ラベル付きでローカル文字起こしを行い、文字起こし上の単語を削除することで編集します。
このプロジェクトは、プライベートな端末内ワークフロー向けに設計されています。README では、メディア処理、編集、出力はすべてローカルで行われ、最初のモデルダウンロード後はネットワークを完全に切断した状態でも動作できると説明されています。動画、ポッドキャスト、音声メモ、インタビュー、その他の話し言葉メディアを、従来のタイムライン中心の編集ではなくテキスト主導でトリミングしたい人向けです。
主な機能
単語単位のカット編集
文字起こし内の単語を選択して削除すると、該当するメディア区間も削除されます。テキストに沿ってカットできるため、タイムラインだけで切るよりも、精密な編集を把握しやすくなります。
文字起こしのインポート
Whisper を使わず、既存の字幕ファイルから開始できます。README では、SRT、VTT、JSON の文字起こしのインポートに対応していると説明されています。
フィラー削除
「um」や「uh」などの一般的な話し言葉のフィラーを一括で削除できます。README では、ワンクリックのフィラー削除ワークフローとして説明されています。
文字起こし対応タイムライン
タイムラインには波形、単語ラベル、カット範囲、再生ヘッド、ズーム操作が表示されます。これにより、編集内容を元のメディア構造と照らし合わせて確認できます。
ライブプレビューとブラウザ内出力
書き出し前に編集内容をプレビューでき、残す区間をブラウザ内でレンダリングします。README では、再生はカットをリアルタイムでスキップし、出力は MP4 または M4A でフレーム精度だと説明されています。
Rescript の実用的な使い方
インタビューやポッドキャストの録音を編集する
繰り返しの単語、言い直し、フィラー語を、書き出し前に文字起こし上で直接削除して、録音した会話を整理します。
ラフ素材を短いカットにする
クリップをアップロードし、アプリに話者ラベル付きのローカル文字起こしを生成させてから、従来のタイムラインに入る前に残したくないトーク部分をトリミングします。
既存の文字起こしから作業する
すでに文字起こしがある場合は、SRT、VTT、または JSON の字幕ファイルから開始し、再文字起こしせずにテキストベースで編集します。
ソースメディアをローカルに保つ
メディアと文字起こしをサーバーにアップロードせず、端末上に保持したいプライベートな素材にブラウザアプリを使います。
最終出力前に編集を検証する
フレーム精度の MP4 または M4A ファイルを書き出す前に、波形、再生ヘッド、リアルタイムプレビューでカットを確認し、調整します。
Pros and Cons
Pros
- 初回の文字起こしでは、すべてがローカルにキャッシュされる前に大きな AI モデルのダウンロードが必要になる場合があります。
- Chromium ベースのブラウザが推奨され、SharedArrayBuffer のサポートと COOP/COEP ヘッダーが必要です。
- ソースでは SRT、VTT、JSON、MP4、M4A 以外の広範な入出力形式は文書化されていないため、他形式は想定すべきではありません。
Cons
- 編集が文字起こし主導なので、単語単位のカットが明示的で確認しやすいです。
- README によると、処理は端末内で完結し、サーバーも認証もアップロードもありません。
- 自動文字起こしと既存文字起こしのインポートの両方に対応しており、ワークフローを選べます。
- タイムラインとプレビューが文字起こしと同期しているため、出力前にカットを確認できます。
- 動画と音声の両方に対応しており、ポッドキャスト、音声メモ、インタビューにも使えます。
FAQ
Rescript はオフラインで動作しますか？
初回のモデルダウンロード後は、ブラウザベースのエディタとして完全にオフラインで動作します。README では、ローカル文字起こしと端末内でのメディア処理を使い、サーバー、認証、アップロードは不要だと説明されています。
既存の文字起こしをインポートできますか？
README では、動画または音声ファイルを取り込み、ローカルで文字起こしできるほか、Whisper を使わずに SRT、VTT、または JSON 形式の自分の文字起こしをインポートできると説明されています。
どの形式に出力できますか？
Rescript は ffmpeg.wasm を使ってブラウザ内で最終編集を出力します。README では、動画向けにフレーム精度の MP4 出力、音声向けに M4A 出力が明記されています。
どのブラウザまたはランタイムが必要ですか？
Chromium ベースのブラウザが推奨されています。アプリは SharedArrayBuffer のサポートと COOP/COEP ヘッダーを必要とし、利用可能な場合は WebGPU を使い、そうでない場合は WASM にフォールバックします。
チームでの共同編集やホスト型利用を想定していますか？
リポジトリは MIT ライセンスで、README ではオープンソースとして説明されています。マルチユーザーのホスト型サービスではなく、ローカルなクライアントサイドのワークフロー向けに作られています。
Quick Facts
- カテゴリー
- 動画編集 / 音声編集
- 製品タイプ
- オープンソースのブラウザアプリ
- プラットフォーム
- Web ブラウザ
- ライセンス
- MIT
- ソースドメイン
- github.com
- 主なワークフロー
- メディアを取り込み、ローカルで文字起こしし、単語を削除してカットし、最終編集を書き出す
Rescriptの代替品
CAMB.AI Streams
CAMB.AI Streams は、YouTube、Twitch、X などの配信でライブ音声を多言語にリアルタイム吹き替え。SRT、RTMP、HLS対応で既存のライブワークフローに接続し、後編集なしで多言語配信を実現します。
SpeakoFlow
SpeakoFlowは、Windows、macOS、Linux対応の無料・オープンソースのデスクトップ音声入力アプリ。あらゆるアプリに дикationでき、Flow、要約整理、翻訳、画面認識アシスタントにも対応。
QuickQuill
QuickQuillは、macOSで使えるローカル動作の音声入力・文字起こしアプリです。会議の録音、書き起こし、要約、ノート書き出しをクラウドなしで行えます。
Zen Whisper
Zen Whisperは、Apple Silicon搭載MacのmacOS 14以降向けローカルファーストの音声入力・文字起こしアプリ。ほとんどのMacテキスト欄へ入力でき、メディアや対応公開リンクも文字起こし可能。110言語に対応。
Speech to Text Converter
Speech to Text Converter は、ブラウザで使える文字起こしツールです。ライブ音声入力や音声・動画ファイルのアップロードに対応し、短い作業向けの無料プランと、無制限の文字起こし、AI要約、翻訳、話者識別、詳細な書き出し機能を備えたProプランがあります。
Flunkey
FlunkeyはWindows向けの音声入力中心の生産性レイヤー。話した内容をテキスト化し、AI支援の出力や記憶した文脈に変換。作業中のアプリを離れずに使えます。