Twitch配信者の文字起こし、VODからコンテンツへの変換ワークフロー（2026年）

4時間の配信を週4回行うと、月に64時間分のVODが生まれます。その音声のほとんどは、インデックス化も検索もされず、何かに変換されることもありません。文字起こしこそが、その比率を変えるてこです。

コストとメリットのバランスが変わった理由

これまでの反対意見は、長時間の配信音声は構造化されすぎず、実用的に処理するには不向きだというものでした。4時間のVODには、ゲーム音、アラート、無音、実際の会話が混ざり合っています。

2つのことが変わりました。まず、Whisper Large-v3やDeepgram Nova-3のようなモデルは、数時間にわたるノイズの多い音声でも品質を落とさず処理できます。次に、ショートフォームのクリップが配信者の主要な成長エンジンになりました。TikTok、YouTube Shorts、Xに投稿するなら、良い瞬間を素早く見つける必要があります。文字起こしがあれば、それが速くなります。

計算も変わりました。1回4時間、週4回の配信は、補助的なコンテンツを除いて月に約960分です。Revの従量課金制AIレート（1分あたり0.25ドル、2026年7月時点のRevの価格設定による）だと、文字起こしだけで月240ドルになります。定額制の無制限プランは月10ドルから20ドルで、配信量を考えると唯一合理的な仕組みです。

中核ワークフロー: VODからクリップデータベースへ

成長中のチャンネルでうまく機能するパターンは、次のようなものです:

1. 配信が終了します。設定で「過去の放送を保存」を有効にしていれば、TwitchがVODを保存します。
2. 期限が切れる前にVODをダウンロードします。パートナーはVODを60日間保存、アフィリエイトは14日間、非アフィリエイトは7日間です。TwitchDownloader（無料、クロスプラットフォーム、CLIとGUI対応）を使うか、OBSで録画したローカルファイルを使用します。
3. MP4をそのまま文字起こしツールにアップロードします。ほとんどのサービスでは音声抽出は不要で、ビデオからテキストへのツールも含まれます。
4. タイムスタンプ付きの文字起こしを取得します。共同ホストや定期的なゲストがいる場合は、できれば話者ラベル付きで。
5. 文字起こしファイルを日付と配信タイトルと一緒に保存します。

ステップ5は、ほとんどの人が飛ばしてしまうステップですが、これこそが複利で効いてくる部分です。 2年分の文字起こしがあれば、配信で話したすべてのことが検索可能なアーカイブになります。

クリップ探しのステップは、シーク作業を置き換えます。VODを2倍速で見返して「あの面白い場面、どこだっけ」と記憶を頼りにする代わりに、「待って」とか「これヤバい」とか、自分のコミュニティでよく使われるフレーズをCmd-Fで検索すれば、タイムスタンプが正確にカット位置を教えてくれます。

クリップワークフロー比較

配信者のニーズをカバーするセットアップは主に3つあります。これらは排他的ではありません。

Eklipseの無料プランでは、配信1回につき最大15本のクリップを720pで作成でき、14日間保存できます。プレミアムプラン（2026年7月時点で月額$19.99）では、1080p、無制限の処理、90日間の保存が追加されます。Twitch独自のAuto Clipsツールは2026年半ば時点でまだアルファテスト中なので、利用できるかどうかはチャンネルによります。

文字起こしアプローチは、エンゲージメントシグナルが見逃すものを捉えます。静かな時間帯にぽつりと出た本当に面白い一言、筋の通った分析、騒がしさではなく文脈によって刺さる瞬間。この2つのアプローチは互いに補完し合います。

VODからYouTubeアップロードを生成する

Northernlionは何年も毎日アップロードするVODモデルを続けています。月曜から金曜まで配信し、翌日に分割したVODをYouTubeに公開しています。文字起こしは、そのワークフローの2つの部分を直接支えています。

チャプターマーカー。 4時間の配信には、YouTubeのチャプターUI用に8〜15個のタイムスタンプが必要です。トランスクリプトを上から下まで読めば、「イントロ」「最初のマッチ」「視聴者からの質問」「最終レビュー」を15分以内に特定できます。同じ作業を動画をシークしながらやると、1時間かかります。

動画の説明文。 YouTubeのアルゴリズムは、話された内容を反映した200〜300語の説明文を好みます。それをトランスクリプトから引っ張り出すのは、記憶から書くより速く、しかも正確です。

同じトランスクリプトは、YouTubeにアップロードする際に添付するSRTファイルにもそのまま使えます。つまり、追加作業なしでYouTube版にキャプションが付くわけです。YouTubeでの正確なキャプションは、アクセシビリティと検索インデックスの両方を向上させ、過去のアーカイブ全体で長期的に報われます。

Twitchのキャプション: 実際に存在するもの

以前の投稿では、Twitchが2024年にネイティブの自動キャプションを追加したと書きました。これは訂正が必要です。Twitchは2023年にAIキャプションのパイロット版を実施し、その後も改良を重ねてきましたが、2026年半ば時点で、全チャンネルに自動キャプションをデフォルトで展開してはいません。 ネイティブのCCボタンは、配信者がキャプションデータをブロードキャストに積極的に送信している場合にのみ、視聴者に表示されます。

ライブキャプションには、実用的な2つのアプローチがあります。

1つ目: OBS LocalVocal。royshilによるこのプラグインは、Whisper.cppをCPUまたはGPU上でローカルに実行し、100言語以上の音声をリアルタイムで文字起こしし、キャプションをRTMPストリームに直接送り込んで、TwitchのCCボタンを視聴者に表示させることができます。2026年4月にバージョン0.6.2へ更新され、CPU互換性が広がり、クラウドアカウント不要、分単位のコストなし、データがマシンから出ることもありません。トレードオフは、配信中にCPU負荷がかかることです。

2つ目: ratwithacompilerによるOBS Closed Captionsプラグイン。こちらはGoogle Speech-to-Textを経由します。多くのセットアップで実際のレイテンシーは若干低くなりますが、クラウド依存が加わり、利用量が増えるとコストが発生する可能性があります。

ほとんどの配信者にとって、ライブキャプションは任意で、配信後のSRTファイルは毎回やる価値がある。 VODの文字起こしから生成したSRTは、VOD視聴者、YouTubeアップロード、投稿するクリップすべてのアクセシビリティをカバーする。これは、運用作業の約10パーセントで、アクセシビリティ価値の80パーセントに相当する。

完成した文字起こしをアップロード可能なSRTやVTTファイルに変換するには、字幕ジェネレーターを参照。

多言語オーディエンスの構築

スペイン語とポルトガル語は、Twitchで最も活発な非英語セグメントの2つだ。2026年6月時点で、スペイン語圏のクリエイターはプラットフォームの世界フォロワー数トップ10に複数ランクインしており、Ibai（1980万フォロワー）やAuronplay（1700万フォロワー）が含まれる（TwitchTracker調べ）。ブラジル系ポルトガル語コンテンツも同様のペースで成長している。

これらの言語の配信者にとって、元の言語でのネイティブ文字起こしは、英語からの翻訳よりも信頼性が高い。スペイン語とポルトガル語で訓練されたモデルは、翻訳チェーンよりもゲーム用語や地域特有の語彙をうまく処理する。

配信中に言語を切り替える多言語配信者（ブラジル、メキシコ、スペイン語圏のチャンネルでは一般的）にとって、Whisperはほとんどのクリップで言語切り替えをスムーズに処理する。文字起こしを一度通すだけで、通常は両方の言語を文脈ごとキャプチャできる。

国際的なオーディエンスにサービスを提供していて、非英語ストリームから英語対応のクリップを作りたい場合、VODに文字起こしプラス翻訳のパスをかければ、再録音なしで両バージョンの既製キャプションが手に入る。

検索可能なVODアーカイブの構築

2年間のアーカイブを持つ配信者は、1,000時間以上の音声履歴を持ちながら、そのすべてが今日時点で検索不可能だ。 文字起こしの保存を始めた瞬間、それが変わる。

アーカイブのセットアップは簡単だ:

• 各VODがTwitchから消える前に、届き次第文字起こしする。
• 各文字起こしファイルを、日付と配信タイトルを付けたフォルダに保存する。
• 任意のテキストツールで検索する。MacならSpotlightがファイル内容を検索してくれる。Linuxならripgrepで数百件の文字起こしファイルを1秒未満で横断検索できる。Notionに貼り付ければ全文検索も機能する。

ファンから「あの時YについてXって言ってたよね？」と聞かれることはよくあるが、その答えが推測から1秒の検索に変わる。スポンサーやコラボ相手が扱ったトピックを確認したい場合もある。文字起こしアーカイブがあれば、どちらも簡単に対応できる。

さらに、長期的にはYouTubeのSEOにも役立つ。VODをYouTubeにアップロードしているなら、各配信で何を取り上げたかのテキスト記録があれば、何時間も映像を見返さずに正確なメタデータを書ける。

よくあるつまずきポイント

配信特化の文字起こしを台無しにする問題は、特に3つある。

ゲーム音声がミックスを支配する。録音内でゲーム音が自分の声より大きいと、文字起こしの精度が落ちる。録音トラックでは声がゲーム音より10〜15dB大きいのが理想だ。OBSならオーディオトラックミキシングで簡単に設定でき、一度設定すれば全配信に適用される。

専門用語や固有名詞。キャラクター名、ゲームタイトル、コミュニティ内のジョークは、最初のパスで誤変換されがちだ。よく使う用語の短い置換リストを用意し、各文字起こし後に実行する。3分のクリーンアップで、数ヶ月後に検索するときの混乱を防げる。

長い無音区間。BGM、待機画面、無音の時間は、内容のないタイムスタンプを生む。文字起こし自体は使えるままで、その区間の出力がまばらになるだけだ。ほとんどのツールはこれをきれいに処理する。無音のギャップを文字起こしの失敗と誤解しないよう、知っておく価値はある。

始め方

先週の配信から1本選んでください。MP4をpodcastや長尺音声に対応したツールにアップロードし、音声の品質を確認したいなら最初に10分だけサンプルを回してから、全体を処理しましょう。最初の文字起こしを見れば、クリップ発見機能だけでコストに見合うかどうかがわかります。そして、ほとんどのアクティブな配信者にとっては、その価値は十分にあります。

ミーティングボットやエディターのサブスクリプションなしで、きれいなタイムスタンプ付き文字起こしだけが必要なら、ConvertAudioToTextが数時間のVODを直接処理してくれます。MP4をアップロードして、文字起こしを無料で読んでコピーするか、7日間のトライアルを始めればSRTとプレーンテキストの書き出しも可能です。

よくある質問

TwitchのVODを文字起こしする前に音声を抽出する必要がありますか?

いいえ。ほとんどの文字起こしツールはMP4ファイルをそのまま受け付けて、音声抽出も自動で処理します。VODをダウンロードして、MP4をアップロードすれば、文字起こしが手に入ります。URLに対応しているツールなら、ダウンロードせずにVODリンクを貼るだけでも大丈夫です。

フルタイム配信者にとって、どの文字起こしの料金体系が合理的ですか?

分単位の課金はすぐに高くつきます。1分あたり$0.25(Revの従量課金AIレート)だと、週4回、各4時間の配信で月に約$240になります。週に数時間以上配信する人なら、月額$10から$20の定額プランが正しい選択です。

Twitch配信にライブキャプションを追加するにはどうすればいいですか?

Twitchはデフォルトで全チャンネルに自動キャプションを提供していません。主な方法は2つあります。OBSのLocalVocalプラグインは、Whisper.cppをCPUまたはGPU上でローカル実行し、クラウド費用がかかりません。もう1つはratwithacompilerによるOBS Closed Captionsプラグインで、Google Speech-to-Textを使ってキャプションをRTMPフィードに送り込み、視聴者にネイティブのTwitch CCボタンが表示されるようにします。どちらもOBSが必要です。

文字起こしはAIハイライトツールと比べて、クリップ発見にどう役立ちますか?

EklipseやTwitch純正のAuto Clips（まだアルファ版）のようなAIハイライトツールは、エンゲージメントのシグナル、つまりチャットの速度、絵文字の連発、音声の反応の急上昇を手がかりにしています。こうしたツールは反応的な瞬間はうまく拾えますが、静かでありながら価値の高いコンテンツ、たとえば深い分析、何気ない面白い一言、文脈があって初めて刺さる場面などは見逃してしまいます。トランスクリプトがあれば、特定の単語やフレーズ、トピックを検索してタイムスタンプに直接ジャンプでき、エンゲージメントのシグナルでは決して表面化しない瞬間を捉えられます。

出典

• Revの料金（AI版とサブスクリプション版）: https://www.rev.com/pricing （2026年7月確認）
• TurboScribeの料金: https://turboscribe.ai/pricing （第三者集計で検証、2026年7月）
• Descriptの料金: https://www.descript.com/pricing （2026年7月確認）
• Eklipseの料金: https://eklipse.gg/help/how-much-does-eklipse-premium-cost/ （2026年7月確認）
• TwitchのVOD保存ポリシー: https://help.twitch.tv/s/article/video-on-demand （二次情報経由、2026年7月）
• Twitchのクローズドキャプション対応状況: https://stream-rise.com/blog/guide-to-closed-captions （2026年7月確認）
• OBS LocalVocalプラグイン: https://github.com/royshil/obs-localvocal （2026年7月確認）
• TwitchTrackerのスペイン語・ポルトガル語ランキング: https://twitchtracker.com/channels/ranking/spanish （2026年6月データ）
• Northernlionの配信スケジュールとYouTubeワークフロー: streamrecorder.io/twitch/northernlion （2026年7月検証）