字幕で動画をアクセシブルにする方法（2026年版ガイド）

字幕は、動画に施せるアクセシビリティ改善の中で最も効果の大きいものです。 字幕は、聴覚障害のある世界の4億3,000万人（WHO推計）に加え、公共の場で音声オフで視聴するすべての人、そして動画の話し言葉が母語でないすべての人の役に立ちます。字幕付きの動画は、字幕なしの動画に比べて視聴完了率が40%高く、Facebookでは動画のおよそ85%が音声なしで視聴されています。

このガイドでは、字幕制作の一連のプロセス全体——生成、基準に沿った修正、プラットフォームごとのフォーマット調整、検証——を順を追って説明します。コンプライアンスの詳細については、アクセシビリティ字幕のADAコンプライアンスをご覧ください。

3種類の字幕を理解する

クローズドキャプションは、視聴者がオン・オフを切り替えられる独立したテキストトラックです。セリフ、話者の識別、非発話音声の説明を含みます。SRT、VTT、SBV、TTMLはいずれもクローズドキャプションの形式です。アクセシビリティ対応の標準となるのはクローズドキャプションです。

オープンキャプションは動画に恒久的に焼き込まれたもので、視聴者は取り除けません。音声なしで自動再生されるソーシャルメディアコンテンツ（Instagram Reels、TikTok、Facebookフィード）では、これが標準となっています。

**字幕（サブタイトル）**はセリフを別の言語へ翻訳するものです。視聴者が音声を聞き取れることを前提とし、通常は非発話音声を省きます。アクセシビリティの観点では、字幕はキャプションの代替にはなりません。

アクセシビリティ要件の土台となるのは、字幕ではなくクローズドキャプションです。オープンキャプションが同じ要件を満たすのは、視聴者が字幕をオフにする手段を持たない場合だけです。

ステップ1：字幕を生成する

動画を字幕ジェネレーターにアップロードします。MP4、MOV、AVI、MKV、WebMなど、一般的な形式に対応しています。話されている言語を選択して処理を開始しましょう。10分の動画なら、通常90秒未満で処理が完了します。

AI生成の字幕は、クリアな音声と明瞭な発話があれば95〜98%の精度に達します。話者の声が重なる場合、強い訛りがある場合、BGMが入っている場合、速い専門用語の発話では精度は落ちます。ジェネレーターはあくまで出発点であり、コンプライアンス基準に到達させるのは人間によるレビューです。

プラットフォーム固有のフォーマットが不要で、文字起こしだけが必要な場合は、ConvertAudioToTextが同じステップで、音声や動画から整った逐語テキストを作成します。

ステップ2：アクセシビリティ基準に合わせて修正する

AIの出力をそのまま使ったのでは、アクセシビリティ対応にはなりません。以下を確認・修正してください：

逐語的な正確さ。 発話されたすべての言葉が、正しい順序で表示されなければなりません。視聴体験がそれに依存している場合は、言い換えや要約をせず、つなぎ言葉も省略しないでください。固有名詞、ブランド名、専門用語は、AIが最も頻繁に間違える箇所です。

音の出来事。 DCMPのキャプション基準とWCAG 1.2.2に従い、字幕には意味に影響する非発話音声の情報を含めなければなりません。角括弧を使います：［電話が鳴る］、［明るいジャズの演奏］、［ドアがバタンと閉まる］。意味のある情報を持たない環境音は省略して構いません。セリフと同時に音の出来事が起こるときは、その字幕を画面上部へ移動します。

話者の識別。 複数人が話す場合は、各字幕に話者の名前か、一貫した役割ラベル（NARRATOR、INTERVIEWER、DR. CHENなど）を付けます。すべて大文字、または一貫した括弧書きの表記を使ってください。アクセシビリティ基準では、複数話者のコンテンツにおいてこれは省略できません。

タイミング。 字幕は、言葉が話された瞬間に表示され、その一拍後には消えなければなりません。早すぎたり遅すぎたりする字幕は理解を損ないます。ポーズ、文の区切り、速い発話の箇所には特に注意を払ってください。

行の長さと読む速度。 DCMPとSection 508のガイドラインでは、1つの字幕につき最大2行、1行32〜42文字、読む速度は毎分180語未満（放送では約毎秒17〜22文字）が推奨されています。行は自然な言語の境界で折り、句の途中や単語の途中で改行しないでください。

ステップ3：プラットフォームごとに適切な形式を選ぶ

字幕の扱い方は、プラットフォームごとに異なります。

YouTubeでのアップロード手順は次のとおりです。まずYouTube Studioを開き、「字幕」を選択、対象の動画を選び、「言語を追加」をクリック、続いて「追加」からSRTファイルをアップロードします。アクセシビリティ対応のためにYouTubeの自動生成字幕に頼ってはいけません。

InstagramとTikTokでは、アップロード前に動画への字幕追加を使って字幕を焼き込みます。TikTokでは、プラットフォーム独自のUI要素と重ならないよう、字幕をフレームの上側3分の1に配置してください。

自社サイトでは、HTMLは次のようになります：

<video>
  <track kind="captions" src="captions.vtt" srclang="en" label="English" default>
</video>

SRTとVTTの相互変換が必要な場合は、字幕ジェネレーターが両方の形式でエクスポートできます。

ステップ4：公開前にテストする

字幕をオンにして動画を通しで視聴してください。確認する項目：

• 字幕が発話と同期して表示され、消える
• 複数話者のコンテンツ全体を通して、話者ラベルが存在し一貫している
• 音の出来事が拾われ、タイミングが正しい
• 画面からあふれたり、重要な映像を隠したりする長い行がない
• 通常の視聴サイズでフォントサイズが判読できる（標準の動画解像度で18px相当以上、暗い影または枠付きの白文字）

モバイルでもテストしてください。視聴者の大半はスマートフォンで視聴しており、デスクトップのプレビューでは字幕の読みやすさを評価しにくいものです。

法的要件

ここ2年で、コンプライアンスをめぐる状況は大幅に厳しくなりました。

WCAG 2.1 レベルAAは、すべての録画済み同期メディア（達成基準1.2.2、レベルA）とすべてのライブ動画（1.2.4、レベルAA）に字幕を求めます。WCAG 2.2でこれらの基準は変更されていません。ほとんどの組織はレベルAAを目標としています。

ADAタイトルII（米国）： 米国司法省（DOJ）の2024年4月の最終規則は、州・地方自治体のデジタルサービスについてWCAG 2.1レベルAAを成文化しました。遵守期限は2026年4月に延長されています。人口5万人超をサービス対象とする組織は2027年4月26日までに、それより小さい組織と特別区は2028年4月26日までに対応する必要があります。

Section 508（米国連邦）： 連邦政府機関とその請負業者は、一般に公開されるすべての動画に字幕をつけなければなりません。自動生成字幕は、録画済みコンテンツに関するSection 508の精度基準を満たしていません。

欧州アクセシビリティ法（EAA）： 2025年6月28日に発効しました。それ以降に公開される一般向けの動画には、正確で時間同期されたクローズドキャプションが含まれていなければなりません。2025年6月28日より前に公開された動画は、2030年6月28日までにアクセシブルにする必要があります。不遵守の場合の罰金は5,000ユーロから100,000ユーロの範囲です。

達成基準1.2.2はレベルAの要件です。 つまり、これは最低限のハードルであって、高度な目標ではありません。何らかのWCAG適合を主張する組織は、必ずこれを満たさなければなりません。

私の見方：ほとんどの組織は、自分たちが思っているよりもコンプライアンスから遠い位置にいます。自動生成字幕を「字幕付き」として数えているからです。プラットフォームの自動字幕がチェックボックスを満たすのは、レビューと修正が行われたときだけです。修正されていない85%の精度は、アクセシブルな字幕ではありません。それは最初のドラフトにすぎません。

字幕フォーマットの参考

以下の慣例に従えば、字幕は読みやすくなり、ほとんどの標準化団体の要件にも適合します：

• 1つの字幕は最大2行
• 1行32〜42文字（放送は32文字、ネット動画は最大42文字）
• 大文字と小文字を混在させる（字幕全体をすべて大文字にしない）
• 読む速度：毎秒17〜22文字
• 音の出来事は角括弧で表記：［電話が鳴る］
• 話者IDはコロンの前で大文字表記：ANNA: 今すぐ出発しなければ。
• 重要なコンテンツを隠さない限り、フレームの下部中央に配置
• 画面上の最低表示時間は1秒。一瞬の点滅表示はしない
• 節の境界で改行し、句の途中では決して改行しない

ソーシャル動画のオープンキャプションでは、フォントの太さがクローズドキャプションシステムの場合以上に重要になります。高コントラストの縁取りか影を付けた、太めできれいなサンセリフ体を使ってください。字幕は、明るい背景でも暗い背景でも判読できなければなりません。

ビジネス上のメリット、簡潔に

アクセシビリティに財務的な正当化は本来必要ないはずですが、数字は確かなものです。字幕付きの動画広告はスキップ率が18%であるのに対し、字幕なしでは41%です。字幕付きのYouTube動画は、エンゲージメントが約7%増えます。字幕付きのTikTokコンテンツは、ブランド想起率の測定可能な向上を示します。Facebookの動画の85%が音声オフで視聴されるというのは、この分野で最も古い統計ですが、今なお真実であり続けています。

字幕ファイルは、手持ちの中で最も安価なコンテンツ再利用ツールでもあります。きれいなSRTがあれば、追加作業なしに文字起こし原稿、ブログ記事の下書き、ショーノートになります。音声コンテンツへの応用については、2026年のポッドキャストに最適な文字起こしをご覧ください。

FAQ

アクセシビリティにおいて、クローズドキャプションと字幕の違いは何ですか？

クローズドキャプションには、セリフ、話者の識別、効果音や音楽の合図といった非発話音声の説明が含まれます。字幕は、音声を聞き取れるものの別の言語を必要とする視聴者向けに、発話されたセリフだけを翻訳するものです。アクセシビリティの目的ではクローズドキャプションが必須であり、字幕だけでは基準を満たしません。

YouTubeやTikTokの自動生成字幕はアクセシビリティ要件を満たしていますか？

いいえ、そのままの状態では満たしていません。プラットフォームの自動字幕の精度は、音声品質や話者の明瞭さによって78%から96%の幅があります。WCAG 1.2.2やSection 508などのアクセシビリティ基準は、正確な字幕を求めています。業界の慣行と米国司法省（DOJ）のガイダンスでは、修正されていない自動字幕は録画済みコンテンツに対して不十分とみなされます。アップロード前に、字幕を生成・確認・修正する必要があります。

アクセシブルな字幕には、発話内容以外に何を含める必要がありますか？

WCAG 1.2.2およびDCMPの基準に従うと、アクセシブルな字幕には意味を持つ非発話音声をすべて含める必要があります。情報を伝える効果音（角括弧で表記）、関連性がある場合の音楽の説明、複数人が話す場合の話者識別、意味を持つ笑い声やため息などの非発話の発声です。無音や環境音は、それがないことで視聴者が混乱する場合にのみ記載すれば十分です。

法的に動画へ字幕をつけることが義務付けられている組織はどこですか？

米国では、Section 508が連邦政府機関とその請負業者を対象とします。ADAタイトルIIは州・地方自治体の組織を対象とし（期限は2027〜2028年に延長）。ADAタイトルIIIは、ウェブサイトを含む公共施設を運営する事業者にますます適用されるようになっています。欧州アクセシビリティ法（EAA）はEU顧客に販売する事業者を対象とし、新規コンテンツの期限は2025年6月です。連邦資金を受ける教育機関には、Section 504に基づく追加要件があります。判断に迷う場合は、公開向けの動画すべてに字幕をつけるのが最も安全なアプローチです。

ライブ配信やリアルタイムイベントに字幕をつけるにはどうすればよいですか？

ライブ字幕にはリアルタイムの音声認識が必要です。選択肢としては、重要度の高いイベント向けのプロフェッショナルなCART（Communication Access Realtime Translation）提供業者、YouTube LiveやMicrosoft Teamsのプラットフォーム標準のライブ字幕、AIによるリアルタイム文字起こしツールなどがあります。WCAG 1.2.4のもとでは、ライブ字幕への精度の期待値は録画済みコンテンツより低くなりますが、同期が取れていて実質的に正確であることは依然として求められます。会議や収録セッションの場合は、事後に会議の文字起こしを行い、録画に字幕を追加する方が実用的なことが多いでしょう。

出典

• W3C WAI、WCAG 2.2 達成基準1.2.2「Captions (Prerecorded)」の理解：https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html
• DCMP Captioning Key の基準とガイドライン：https://dcmp.org/learn/captioningkey
• Section 508、キャプションと文字起こし：https://www.section508.gov/create/captions-transcripts/
• Federal Register、ADAタイトルII遵守期限の延長、2026年4月：https://www.federalregister.gov/documents/2026/04/20/2026-07663/extension-of-compliance-dates-for-nondiscrimination-on-the-basis-of-disability-accessibility-of-web
• Interprefy、欧州アクセシビリティ法のキャプション要件：https://www.interprefy.com/resources/blog/european-accessibility-act-captioning-requirements
• WHO、World Report on Hearing（聴覚障害の有病率）：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8085630/
• GrabCaptions、YouTube自動字幕の精度 2026：https://grabcaptions.com/blog/youtube-auto-captions-accuracy/
• Nieman Journalism Lab、Facebook動画の85%は音声なしで視聴：https://www.niemanlab.org/reading/publishers-say-85-percent-of-facebook-video-is-watched-without-sound/