クリップの作り方

誰でも読める切り抜き動画の字幕の付け方

切り抜き動画の字幕を上手に付ける方法。焼き込み字幕とプラットフォームの字幕の違い、1行の長さ、サイズ、コントラスト、セーフゾーン、名前と数字の確認を、W3CとBBCの指針をもとに解説します。

更新日：2026年9月28日読了1分出典10件

要点

ショート動画のクリップでは、字幕を動画に焼き込みます。どのプラットフォームでも同じ見た目になり、音声オフでも伝わるからです。あわせて、プラットフォーム自身の字幕機能がある場合はそれもオンにします。1行は短くし（BBCの指針を縦型動画に換算すると1行あたり約25文字）、コントラストの高い文字を使い、アプリのボタンや下部のテキストに字幕が重ならないようにします。名前、数字、重要な言葉はすべて手で確認してください。W3Cの指針は、自動字幕は正確だと確認されない限り十分ではないと明記しています。

このページの内容

焼き込み字幕とプラットフォームの字幕
数字で見る読みやすさの基準
字幕を置く場所：セーフゾーン
正確さ：名前、数字、意味
アクセシビリティのチェックリスト
やり直しを防ぐ字幕の作業手順
よくある質問
出典

焼き込み字幕とプラットフォームの字幕

字幕には2種類あります。W3C Web Accessibility Initiativeの定義では、ほとんどの字幕は視聴者が表示・非表示を切り替えられるクローズドキャプションで、オープンキャプションは「常に表示され、オフにできない」ものです（W3C WAI）。クリップに焼き込んだ字幕はオープンキャプションです。

たとえばFastClipのYouTube切り抜きツールは、クリップを完成させるときに、文字起こしから単語ごとにタイミングを合わせた字幕をクリップに焼き込みます。そのため、字幕のための別の工程はありません。

	焼き込み字幕（オープン）	プラットフォームの字幕（クローズド）
作り方	編集ソフトが動画のフレームに文字を描き込む	プラットフォームが生成するか、字幕トラックをアップロードまたは編集する
視聴者の操作	オフにできず、サイズやスタイルも変えられない	視聴者がオン・オフを切り替えられる。プレーヤーによってはサイズと色も設定できる
見た目	どのプラットフォームでも同じ。フォント、色、アニメーションを自分で決められる	プラットフォームのスタイル
提供される場所	編集ソフト全般	TikTokの自動生成字幕とクリエイター字幕、YouTubeの動画とShortsの自動字幕、InstagramのReelsの自動クローズドキャプション
主なリスク	書き出すと誤りが残り続ける	自動で作られた文字は間違っていることがあり、確認が必要

プラットフォームの出典：TikTokのアクセシビリティのヘルプ、YouTubeの自動字幕、InstagramのReelsのクローズドキャプション。

クリップでは、できる限り両方を使います。焼き込み字幕は自分のスタイルをそのまま届け、音声オフの視聴者にも伝わります。プラットフォームの字幕は、視聴者がオンにでき、プレーヤーによってはスタイルも変えられるトラックを加えます。キャンペーンは画面上のテキストを求めることがよくあります。2026年9月25日時点で、Clipsterで公開されている切り抜きキャンペーン22件の半数が、独自の編集、テキスト、または字幕を求めていました（Clipsterのキャンペーンデータ）。

数字で見る読みやすさの基準

公開されている字幕の基準のうち、最も詳しいのはBBCのものです。縦型9:16動画向けの指針も含まれています。下の表は、それをクリップの言葉に置き換えたものです。

項目	指針	出典
行の幅	縦型9:16動画では幅の90%まで、横長16:9動画では68%まで	BBC Subtitle Guidelines
1行の文字数	縦型動画で約25文字（横長の37文字に相当するとBBCが示す数）	BBC Subtitle Guidelines
行数	縦型動画では3行まで、横長または正方形では2行まで	BBC Subtitle Guidelines
読む速さ	1分あたり160〜180語。画面に出す時間は1語あたり最低約0.3秒（4語で1.2秒）	BBC Subtitle Guidelines
サイズ	9:16動画では、行の高さを動画の高さの3.9〜4.5%にする。高さ1920ピクセルの動画では約75〜86ピクセル	BBC Subtitle Guidelines（ピクセル値は当社の計算）
コントラスト	文字と背景の間で4.5:1以上。大きな文字は3:1	WCAG 2.2 達成基準1.4.3
色	読みやすさのためのBBCの標準は、黒い背景に白い文字	BBC Subtitle Guidelines
改行	句読点で改行する。冠詞と名詞（「the + table」）や、前置詞とそれに続く句（「on + the table」）を分けない	BBC Subtitle Guidelines

出典：BBC Subtitle GuidelinesとWCAG 2.2 達成基準1.4.3 コントラスト（最低限）の解説。WCAGはオープンキャプションを文字画像として扱うので、コントラストの指針はオープンキャプションにも当てはまります。

ショート動画のスタイルでは、一度に1〜4語だけを表示し、話された単語を順にハイライトするものがよくあります。こうしたスタイルは、文全体を表示する字幕のために書かれたBBCの規則の対象外です。ここには実際のトレードオフがあります。画面あたりの語数が少ないと視線の移動は減りますが、単語の切り替わりが速すぎると読みにくくなります。単語ごとのスタイルを使うなら、各まとまりを読める長さだけ画面に残し、意味のまとまりを分断しないようにします。

字幕を置く場所：セーフゾーン

アプリは、ボタン、アカウント名、投稿文を動画の上に重ねて表示します。そのインターフェースの下になった字幕は読めなくなります。各プラットフォームは、広告向けの指針でこの問題を説明しています。

TikTok：「ボタン、ユーザー名、投稿文が表示される可能性のある領域に、テキスト、ロゴ、重要なメッセージを置かないでください」（TikTok広告ヘルプ）。
InstagramとFacebook：9:16のReels広告とStories広告では、「端（上、下、左右）に、重要なクリエイティブ要素、テキスト、ロゴを置かないでください」。Metaの広告マネージャには、隠れる領域に網掛けを表示するセーフゾーンのガードレール機能があります（Metaビジネスヘルプ）。
WCAG：「字幕は、動画内の関連する情報を覆い隠したり妨げたりしてはならない」（W3C、達成基準1.2.2の解説）。
BBC：字幕の領域は話者の顔を覆わないように決め、2行目が口元にかからないことを確認します。

縦型クリップでの実用的な配置は、フレームの中央より少し下です。下部に積み重なる投稿文とアカウント名より上になり、右端に並ぶボタンからも離れます。話者の目と口は見えるようにします。投稿する前に、投稿先のアプリで公開済みの動画を開いてスクリーンショットを撮り、自分のフレームと見比べてください。

正確さ：名前、数字、意味

自動字幕は下書きであって、完成品ではありません。W3Cは「自動生成された字幕は、完全に正確だと確認されない限り、利用者のニーズもアクセシビリティの要件も満たさない」と述べています。W3Cが挙げる例では、「Broil on high for 4 to 5 minutes. You should not preheat the oven」（強火で4〜5分焼きます。オーブンは予熱しないでください）という音声が、「Broil on high for 45 minutes. You should know to preheat the oven」（強火で45分焼きます。オーブンを予熱することを知っておいてください）になりました（W3C WAI）。YouTubeも、自動字幕は「発音の誤り、アクセント、方言、周囲の雑音が原因で、話された内容を正しく表さないことがある」と注意しています（YouTubeヘルプ）。

名前。人名、ブランド名、地名は、ゲスト本人のチャンネルやWebサイトなどの公式の情報源と照らし合わせて確認します。BBCは、呼びかけに使われた名前を編集で削らないよう勧めています。
数字。数字、価格、日付はすべて聞き直します。「15」と「50」の聞き間違いは意味を変えてしまいます。
否定。「not」「can't」「never」のような否定の言葉をすべて確認します。上のW3Cの例では「not」が「know to」になっています。
専門用語とスラング。ゲーム用語、製品名、ミームは、音声認識が聞き間違えやすい言葉です。
発言どおりの引用。話者の言ったことを「良くしよう」としないでください。特に討論やインタビューでは、話したとおりに字幕にします。
不適切な言葉。キャンペーンの規則に従います。伏せ字を求めるキャンペーンもあれば、特定の言葉を完全に禁止するキャンペーンもあります。

アクセシビリティのチェックリスト

WCAGの達成基準1.2.2は、同期したメディアに含まれる収録済みの音声に、レベルAで字幕を付けることを求めています。その意図は、字幕に会話だけでなく、話者の識別と、内容の理解に必要な「効果音、音楽、笑い声」も含めることです（W3C）。クリップでは、次のことを意味します。

決めぜりふだけでなく、すべての発話に字幕を付ける。
重要な発話以外の音は、[笑い声]、[観客の歓声]、[音楽が止まる]のように角括弧で加える。
カメラが聞き手を映しているときなど、誰が話しているか明らかでない場合は、話者を示す。
字幕を音声と同期させる。
色だけで話者を区別しない。話者が替わるときは名前かダッシュを加える。
プラットフォームの字幕も使える場合はオンにして、視聴者が自分の設定で見られるようにする。

やり直しを防ぐ字幕の作業手順

自動で文字起こしする。編集ソフトかプラットフォームの音声認識を最初の下書きとして使います。
スタイルを付ける前に直す。まず名前、数字、否定を直します。先にスタイルを付けると、文字を2回直すことになります。
読みやすい行に分ける。自然な切れ目で改行し、上で示した1行の長さに収めます。
コントラストを考えてスタイルを付ける。太字のサンセリフ体に、縁取り、影、または背景ボックスを付けます。
配置してセーフゾーンを確認する。自分のフレームを、投稿先のアプリのスクリーンショットと見比べます。
書き出してスマホで確認する。視聴者が使う端末で、ミュートした状態と音声ありの状態の両方でクリップを最後まで見ます。
プラットフォームの字幕をオンにする。アップロード後にオンにし、プラットフォームが生成した字幕であれば内容を確認します。

この手順をどこまで自動化するかはツールによって違います。たとえばFastClipは、クリップを書き出すときに、文字起こしから単語ごとにタイミングを合わせた字幕を焼き込みます。Twitchのクリップにも字幕を含めることができ、配信者とチャンネルの編集者は、クリップの作成から30日間その字幕を編集できます（Twitchヘルプ）。

よくある質問

字幕は焼き込むべきですか、それともTikTokの自動字幕を使うべきですか？

できる限り両方を使います。焼き込み字幕はどこでも同じ見た目になり、音声オフの視聴者にも伝わります。TikTokの自動生成字幕は、視聴者が操作できるトラックを加えます。TikTokでは投稿後に自動字幕を編集または削除できるので、内容を確認してください。

縦型動画の字幕のフォントサイズはどのくらいがよいですか？

BBCは、9:16動画で行の高さを動画の高さの3.9〜4.5%にすることを勧めています。1080x1920のフレームでは約75〜86ピクセルです。ショート動画の字幕の多くはこれより大きめです。その場合も、顔を隠さずに1行あたり約25文字が収まるようにします。

一度に画面に出す語数はどのくらいがよいですか？

文全体を表示する字幕について、BBCは縦型動画で3行まで、読む速さは1分あたり160〜180語を勧めています。単語ごとのスタイルでは一度に表示する語数が少なくなります。各まとまりを、読める長さだけ画面に残してください。

自動字幕だけで十分ですか？

いいえ、それだけでは十分ではありません。W3Cは、自動字幕は完全に正確だと確認されない限りアクセシビリティのニーズを満たさないとしており、YouTubeもクリエイターに確認と編集を求めています。名前、数字、否定は手で確認します。

アプリの表示に隠れないようにするには、字幕をどこに置けばよいですか？

右側のボタンと、アカウント名や投稿文が出る下部の領域を避けます。たいていはフレームの中央より少し下でうまくいきます。投稿する前に、投稿先のアプリのスクリーンショットと見比べて確認してください。

字幕には音の情報も入れる必要がありますか？

アクセシビリティの観点では、その音が内容の理解に関わる場合は必要です。WCAGが字幕に意図している内容には、効果音、音楽、笑い声、話者の識別が含まれます。

出典

このページの記述はすべて、上記の日付にこれらの出典と照合しました。プラットフォームの規則と単価は頻繁に変わります。誤りを見つけたらお知らせください。