iFlytek Yizhi：動画字幕と多言語吹き替えを週単位から時間単位へ

iFlytek Yizhi は、iFlytek（科大訊飛）が提供するAI音声・動画ローカライズプラットフォームです。これまで外注で「週単位」かかっていたローカライズ工程を「時間単位」に短縮します。音声・動画をアップロードすると、音声の文字起こし、タイムラインの分割、多言語翻訳が自動で行われ、必要に応じてAI吹き替えとリップシンクを重ね、書き出した字幕ファイルはそのまま編集ソフトで使えます。

基盤にあるのは、iFlytek が蓄積してきた音声認識、機械翻訳、音声合成の技術です。文字起こしの精度は97.5%と公称され、1時間の音声・動画から最短5〜10分で字幕を生成できます。この速度があるからこそ、大量のコンテンツや納期の厳しい素材に向いています。

言語面では、中国語と英語、日本語、韓国語、ドイツ語、フランス語、スペイン語、ロシア語、イタリア語、アラビア語など、計17言語の相互翻訳に対応します。書き出しはSRT、ASS、XML、TXTに対応し、Premiere や Final Cut Pro といった編集ソフトにそのまま渡せるため、形式変換の手間がありません。

進め方は二通りあります。速度を優先するなら「機械字幕」で、AIが最初から最後まで下書きを作ります。精度を優先するなら「人工字幕」で、専門チームが校正し、1時間の音声を最短24時間で納品します。データの安全管理も明記されています。

iFlytek Yizhi の主な機能

AIによる字幕生成

文字起こし精度97.5%、1時間の素材から最短5〜10分で下書きができます。タイムラインの分割とタイムコードの生成は自動で、最も手間のかかる同期作業を機械に任せられます。

多言語翻訳

中国語と英語、日本語、韓国語、ドイツ語、フランス語、スペイン語、ロシア語、イタリア語、アラビア語など17言語の双方向翻訳に対応し、同じ素材を複数の言語市場へ展開できます。

AI吹き替え

複数の感情と声質に対応し、ひとつの文から声紋クローンを作成できます。訳文を元の話者の声で読ませられるため、汎用の合成音声より元映像の雰囲気に近づきます。

リップシンク

吹き替え音声を画面の口の動きに合わせる機能で、寄りやアップのカットでも違和感が出にくくなります。

既存の訳稿に対するタイムコード合わせ

すでに翻訳がある場合は、字幕テキストと動画を読み込むだけでタイムコードを一括で合わせられます。時間が正確かどうかも自動で診断するため、古い字幕の差し替えや既存翻訳の再利用に向いています。

多形式での書き出し

SRT、ASS、XML、TXTなどに対応し、Premiere や Final Cut Pro などの編集ソフトへ直接渡せるため、手作業の形式変換や再同期の手戻りが減ります。

話者の分離

動画内の異なる話者を自動で識別して分けるため、インタビューや座談会、会議素材の編集が格段に楽になります。

BGMの分離

音声とBGMを分離して元の音を保つため、翻訳や吹き替えの際に音楽まで崩してしまう心配がありません。

人による校正サービス

専門チームが校正し、1時間の音声を最短24時間で納品、データの安全管理も行われます。精度とコンプライアンスの両方が求められる商用案件に向いています。

iFlytek Yizhi の使い方

1. iFlytek Yizhi の公式サイト（yizhi.iflyrec.com）にアクセスし、アカウントを登録してログインします。
2. ナビゲーションバーのワークスペースを開き、操作画面に進みます。
3. 処理したい動画または音声ファイルをアップロードします。
4. 用途に応じてサービス種別を選びます。AIに任せるなら機械字幕、専門チームに任せるなら人工字幕です。
5. 元の言語と翻訳先の言語を設定します。
6. 音声の文字起こし、翻訳、タイムライン分割が自動で終わるまで待ちます。
7. オンラインエディタで生成された字幕を確認し、文言の修正やタイミングの調整を行います。
8. 吹き替えが必要ならAI吹き替え機能を開き、声のスタイルを選ぶか特定の声紋をクローンします。
9. 字幕ファイルを書き出すか、字幕を動画に直接焼き込みます。
10. 完成した動画や字幕ファイルをローカルにダウンロードし、編集ソフトに読み込んで仕上げます。

iFlytek Yizhi が向いている場面

• 海外展開するクリエイター：ショート動画の制作者が多言語字幕を素早く付け、複数の言語市場へ配信できるため、海外に届けるためのコストが下がります。
• オンライン教育：講座動画を多言語にローカライズして海外の受講者に対応し、教育機関の国際展開を後押しします。
• 映像・バラエティのポストプロダクション：専門的な字幕制作とタイムライン合わせを編集ソフトに直接つなげ、制作サイクルを短縮します。
• 企業の広報映像：製品広告やブランド映像の多言語吹き替えと字幕ローカライズを行い、越境ECや海外マーケティングを支えます。
• 会議の文字起こし：録音を自動でテキスト化して議事録を作成し、重要箇所の強調や検索にも対応します。
• Vlogとドキュメンタリー：旅行や日常のコンテンツに二言語字幕を付け、完成度と拡散力を高めます。

利用前に知っておきたい制限

• 97.5%という数値は公称値です。実際の精度は訛り、方言、周囲の雑音、専門用語の影響を受けるため、重要な内容は人が一度確認することを勧めます。
• 機械字幕は速度重視の場面に向きます。ブランドの表現、法務的な文言、字幕規格の厳しい案件では人による校正を選ぶべきです。
• AI吹き替えと声紋クローンは他人の声を使う許諾に関わります。商用利用の前に素材の権利とプラットフォームの規約を確認し、クローンが自由にできると決めつけないようにしてください。
• 公開情報には具体的な料金、無料枠、言語ごとの納期差が示されていません。導入前に公式サイトで現在のプランを確認してください。
• タイムラインの自動分割は、複数の話者が重なる箇所、話す速さが急に変わる箇所、長い音楽パートなどでは手動修正が必要になることがあります。

よくある質問

iFlytek Yizhi はどれくらいの長さの素材を扱えますか？

公開情報では1時間の音声・動画を例に、機械字幕が最短5〜10分、人による校正が1時間の音声を最短24時間で納品とされています。より長い素材の対応や納期は公式サイトで確認してください。

対応している言語を教えてください。

中国語と英語、日本語、韓国語、ドイツ語、フランス語、スペイン語、ロシア語、イタリア語、アラビア語など17言語の翻訳に対応します。元言語と翻訳先はアップロード後に選択します。

生成した字幕はそのまま編集ソフトで使えますか？

使えます。SRT、ASS、XML、TXTなどで書き出せ、Premiere や Final Cut Pro などの編集ソフトに形式変換なしで渡せます。

翻訳はあるので時間合わせだけしたい場合は？

字幕テキストと動画を読み込めばタイムコードを一括で合わせられます。時間の正確さも自動で診断するため、古い字幕の差し替えや既存翻訳の再利用に向いています。

機械字幕と人工字幕はどう選びますか？

納期を優先し内容が主にナレーションや会話なら機械字幕、ブランド発表や法務・コンプライアンス表現、専門用語が多い案件なら人工字幕を選び、チームの校正を経て納品します。