字幕制作ソフト「SSTG1Pro」、AmiVoice API連携で文字起こしとスポッティングを効率化

音声認識の結果を字幕制作ソフトへ取り込み可能に

映像字幕を中心に事業を展開する株式会社カンバスは、字幕制作ソフト「SSTG1Pro」で、株式会社アドバンスト・メディアが提供する音声認識API「AmiVoice API」との連携に対応しました。2026年10月27日に発表されたもので、AmiVoice APIが自動生成したテキストデータとタイミングデータを、SSTG1Proに読み込めるようになります。

映像内のセリフを書き起こし、字幕を表示・消去するタイミングを設定する工程は、字幕制作に欠かせない作業です。今回の連携では、この文字起こしとスポッティングを自動化することで、字幕制作にかかる作業負担を大幅に軽減するとしています。なお、SSTG1Pro自体がAmiVoice APIに接続して音声認識を行う仕組みではありません。ユーザーがAmiVoice APIを使って生成した音声認識データを、SSTG1Proへ取り込んで利用します。

取り込み後は、音声認識結果をもとに字幕のテキストとタイミングが自動生成されます。発表資料では、音声認識結果を読み込んだSSTG1Proの画面も紹介されています。音声から作られたデータを字幕制作ソフト上で活用できるようにすることで、制作工程のうち、セリフの入力と表示タイミングの設定を効率化する内容です。

配信映像の増加で高まる字幕制作の効率化ニーズ

動画配信サービスの普及に伴い、映像コンテンツは急速に増えています。より多くの人が映像作品を楽しめる環境を支えるバリアフリー字幕の重要性も高まる一方で、制作現場では品質を維持しながら作業負担を軽くすることが課題になっています。

カンバスには、映像内の音声を自動でテキスト化したい、スポッティングを自動化したいという要望が数多く寄せられていました。同社は長年にわたり映像のバリアフリー化に取り組み、利用者の声をもとにサービスを改善してきたと説明しています。今回の連携は、そうしたニーズに応えるため検討を重ねた結果として実現しました。

スポッティングとは、字幕をいつ表示し、いつ消すかを映像や音声に合わせて設定する作業です。音声認識によって文字情報だけでなく発話のタイミングも得られるため、今回の連携ではテキストデータとタイミングデータの両方をSSTG1Proに取り込めます。手作業で行っていた工程を支援し、字幕制作者が映像に沿った字幕を制作する際の負担を抑えることが狙いです。

ただし、利用にはユーザー自身がAmiVoice APIで生成した音声認識データが必要です。SSTG1ProにAmiVoice APIへのアクセス機能が備わるわけではなく、APIで生成したデータをソフトへ読み込む運用となります。この点を踏まえると、今回の対応は音声認識サービスと字幕制作ソフトを連携させ、制作工程に認識結果を取り入れるための機能といえます。

AmiVoice APIの認識技術とデータへの配慮

AmiVoice APIは、アドバンスト・メディアが開発した音声認識APIです。最新のディープラーニング技術を実装し、音声情報と言語情報を密接に組み合わせることで音声をテキスト化するとともに、発話のタイミングも自動で抽出します。カンバスは、こうして生成されたデータをSSTG1Proに読み込めるようにしました。

セキュリティや著作権への配慮として、AmiVoice APIは日本国内のサーバーを使用します。また、音声認識に使用した音声データをサーバーに残さず、AIの学習にも利用しないとしています。映像音声を扱う字幕制作の場面で、認識精度に加えてデータの取り扱いに関する特徴も示されています。

アドバンスト・メディアは日本語音声認識の研究・開発を30年近く続けており、AmiVoice APIは同社の音声認識エンジン「AmiVoice」をアプリケーションに連携できるAPIサービスです。日本語特有の言い回しや専門用語に強く、リアルタイム文字起こし、固有名詞や社内用語の単語登録、「えっと」「そのー」などのフィラーの自動削除といった機能を備えます。

利用登録は「AmiVoice Cloud Platform」から行え、毎月60分まで無料で利用できます。なお、国内シェアNo.1という説明の出典は、合同会社ecarlate「音声認識市場動向2026」の音声認識ソフトウェア／クラウドサービス市場（2025年度見込）です。

Inter BEE 2026で新機能のデモを公開

カンバスは2026年11月18日から20日まで、幕張メッセで開催されるメディア総合イベント「Inter BEE 2026」にブースを出展します。ブース番号は5211です。会場では、AmiVoice APIを活用した新機能について、デモ画面を見ながら詳しく紹介するとしています。

対象として案内されているのは、すでにSSTG1Proを利用している人に限らず、これから字幕制作に携わる人も含まれます。展示では、音声認識データを取り込んだ後に字幕テキストとタイミングが自動生成される機能を、デモ画面を通じて確認できます。開催期間は3日間で、会場は幕張メッセです。

カンバスは創業以来25年以上、字幕を中心とした事業を手掛けています。字幕制作ソフト「SSTG1シリーズ」、吹替台本制作支援ソフト「SSTG1Dub」、音声ガイド台本ソフト「ディスクラ」の開発・販売に加え、映画、テレビ、配信動画、DVD、Blu-rayなど、さまざまな映像に字幕や音声ガイドを付けるためのトータルコンサルティングを行っています。昨年には、映像のバリアフリー化を軸とするコンサルティングや実務支援を提供する「バリアフリー・ソリューション部」を設立しました。

今回の連携について同社は、アドバンスト・メディアとの協力を通じ、字幕制作に関する専門的な知見と実務経験を生かしながら、より多くの映像作品にバリアフリー字幕を届けられる環境づくりと、制作のさらなる効率化に取り組む方針を示しています。発表内容を項目ごとにまとめると、次の通りです。

音声認識による文字起こしと発話タイミングの抽出を、字幕制作ソフトの作業に結び付ける今回の対応。Inter BEE 2026では、実際のデモ画面を通じて新機能の内容を確認できる機会が設けられます。