YouTube の文字起こしをコピー・ダウンロードする方法｜スマホ対応

YouTube の字幕付き動画は、どれもすでに文字起こしが済んでいます。テキストは機械が作成済みで、3クリックで表示できます。厄介なのは取り出すことではなく、出てきたテキストが欲しかったものに一歩届かないことです。

文字起こしが必要になる場面はさまざまです。2時間のカンファレンス講演のどこかにある、役に立つ一部分だけを探したい。競合の製品紹介動画を正確に引用したい。40分の講義を木曜日までに復習ノートにまとめたい。どんな理由であれ、マウスでシークバーを行き来して探すのは、調べ方として効率的とはいえません。

この記事では、PC とスマホで YouTube の文字起こしをダウンロードする方法、あるはずのボタンが表示されないときの対処法を解説します。さらに、多くの解説記事が触れない、生のテキストを読み返せる文書に整える方法も紹介します。

YouTube の文字起こしを取り出す3つの方法

どの方法を使うかは、その動画が自分のものかどうかで決まります。視聴者なら「文字起こしを表示」からコピーし、投稿者なら YouTube Studio から字幕ファイルをダウンロードします。どちらも使えない場合は、文字起こしツールを使います。

視聴者なら：「文字起こしを表示」からコピーする

PC で動画を開き、概要欄を展開して「文字起こしを表示」をクリックします。プレーヤーの右側にスクロールできるパネルが開き、全文がタイムスタンプ付きの行に分かれて表示されます。再生中の行はハイライトされます。テキストを選択してコピーし、作業中の文書に貼り付ければ完了です。

方法はこれだけです。はっきり言えば、視聴者向けのダウンロードボタンはありません。 YouTube はテキストを表示するだけで、持ち出すには Ctrl+C でコピーするしかありません。「YouTube 文字起こし ダウンロード」をうたうツールは、どれもこの作業を代わりに行っているだけです。字幕トラックを取得して、ファイルの形で返しています。

自分の動画なら：YouTube Studio で字幕をダウンロードする

投稿者は、視聴者にはないもの、つまり本物のファイルを手に入れられます。YouTube Studio の「字幕」で動画を選び、ダウンロードのメニューから .srt または .vtt 形式で書き出します。どちらもタイミング情報を保った正式な字幕形式なので、動画編集ソフトに読み込んだり、別のサービスに字幕を再アップロードしたりするときに欠かせません。テキスト文書以外の用途に使うなら、まずこの方法を選びましょう。

どちらも使えないなら：文字起こしツールを使う

動画の URL を貼り付けると、テキストが返ってきます。こうしたツールがあるのは、前述の2つの穴を埋めるためです。視聴者はダウンロードできず、スマホではコピーもできません。優れたツールは、取得できる字幕がない動画でも音声認識で文字起こしします。これは YouTube 自体にはできないことです。

ちょっとしたコツ： 文字起こしパネルを開いたら、Ctrl+F（Mac は Cmd+F）でテキストを検索し、見つかった行をクリックします。プレーヤーがその場面に直接移動します。2時間の動画でも15秒ほどで目的の場面にたどり着け、何もコピーする必要がありません。

文字起こしが表示されないときの原因と確認方法

最もよくあるトラブルですが、原因はフォーラムのスレッドから受ける印象よりずっと単純です。YouTube の文字起こしは字幕から作られています。 字幕がなければ文字起こしもありません。表示する元のデータがないからです。

そのため、「文字起こしを表示」が見当たらないときは、次のいずれかに当てはまります。

• 投稿者が字幕をオフにしている。 投稿者の判断なので、視聴者側で回避する方法はありません。
• 動画が新しすぎる。 自動字幕はアップロード後に生成され、しばらく時間がかかります。時間をおいてから確認してください。
• その言語に対応していない。 自動字幕の対応言語は多いものの、すべての言語ではありません。
• ブラウザーの拡張機能が干渉している。 広告ブロッカーや YouTube の機能拡張はページの構成を変えるため、ボタンが埋もれてしまうことがあります。

最初の3つと4つ目は、すぐに見分けられます。プレーヤーに 字幕（CC）アイコン があるか確認してください。アイコンがなければ字幕トラック自体が存在せず、どんなツールでも取得できません。残る方法は、音声そのものを音声認識にかけることだけです。CC アイコンはあるのに文字起こしの項目がないなら、問題は動画ではなくページの側にあります。

ちょっとしたコツ： 対処法を探し回る前に、同じ動画をシークレットウィンドウ（プライベートウィンドウ）で開いてみてください。拡張機能が読み込まれず、サイトデータの影響も受けません。そこで文字起こしが表示されれば、5秒ほどで原因を突き止められたことになります。

スマホで YouTube の文字起こしをコピーするには

夜11時に Google で解決策を探す人が多いのが、このスマホの問題です。YouTube のスマホアプリでは、動画のタイトルか概要欄をタップして説明を開くと、多くの動画で文字起こしが表示されます。読むことも、再生に合わせて追うこともできます。できないのは、テキストを選択してコピーすることです。

不思議な制限で、アプリ内での回避策はありません。使える方法は次の2つです。

1. デスクトップ版サイトに切り替える。 スマホの Safari か Chrome で動画を開き、ブラウザーのメニューからデスクトップ版（PC 版）サイトに切り替えます。ノート PC と同じように文字起こしパネルが表示され、テキストも選択できるようになります。
2. リンクをコピーして文字起こしツールに貼り付ける。 「共有」→「リンクをコピー」の順にタップし、使っているツールに貼り付けます。多くの人が最終的に選ぶのはこの方法で、YouTube の文字起こしツールにスマホからのアクセスが多いのもこのためです。こうしたツールが解決しているのは技術的な問題ではなく、アプリの制限です。

スマホで急いでいるなら、2つ目の方法のほうが速く済みます。デスクトップ版サイトへの切り替えは、小さな画面では思った以上に操作しにくいからです。

自動字幕の精度90%で、何語間違えるのか

自動字幕をじっくり読んだことがある人なら、印象に残っている誤変換が1つはあるはずです。投稿者の間では「craptions」（ひどい字幕を指す造語）という呼び名まであります。ただ、この問題は具体的な数字で考えるべきです。「だいたい合っている」と「引用できるほど正確」は、まったく別の基準だからです。

YouTube の自動字幕の精度は 85〜95% で、差を生むのはアルゴリズムではなく、ほぼ音声の質です。スタジオで1人がはっきり話す録音なら 94〜96% に達します。同じ仕組みでも、車の音や風の音が入る屋外の映像では 78〜82% まで下がります。

計算してみましょう。人が話す速さは1分あたり約150語なので、40分の動画ならおよそ6,000語になります。精度90%なら、600語の誤りが文字起こし全体に散らばる計算です。意味不明な文字列ではなく、ほとんどは小さな誤りです。読点が1つ抜けて節の意味が逆になる、同じ人名が4通りの表記で出てくる、専門用語が音の似た別の言葉に置き換わる、といったものです。それでも、そのまま引用するのは危険で、抜粋を公開すれば恥をかくおそれがあります。

実用上の目安はこうです。検索する、ざっと目を通す、要約するといった用途なら、自動字幕で十分です。一方、特定の一文を記事や引用、法的な書類に使うなら不十分です。その場合は、公開前に引用する部分を音声と照らし合わせて確認してください。1分で済み、あとから訂正を出す手間を省けます。

文字起こしに話者名は入らない

YouTube の文字起こしに話者名を入れる方法を検索すると、回避策はたくさん見つかりますが、根本的な答えは見つかりません。答えは、YouTube の自動字幕にはそもそも話者という概念がないということです。出力されるのは、ひと続きのテキストだけです。3人のパネルディスカッションも、1人が話し続けているのとまったく同じ形で返ってきます。

1人で話す解説動画なら問題ありません。しかしインタビューやポッドキャスト、録画した会議では、使える文書になるか、記憶を頼りに組み立て直すしかない文字の壁になるかの違いが生まれます。結局は動画をさかのぼって確認することになり、避けたかった作業に逆戻りです。

これを解決するのが話者分離（speaker diarization）です。文字起こしの際に声を聞き分け、発言ごとに話者のラベルを付けます。有料の文字起こしツールの多くが対応しており、Laxis をはじめとする会議向けのツールでは、オプションではなく標準の機能です。話者ラベルのない会議の文字起こしは、記録としてほとんど役に立たないからです。ラベルは「Speaker 1」「Speaker 2」のような汎用の名前で付くので、冒頭で一度だけ実名に置き換えれば、文書全体が読みやすくなります。

ちょっとしたコツ： どのツールを使う場合でも、話者が切り替わる箇所は抜き打ちで確認しましょう。話者分離が最も崩れやすいのは発言が重なる場面です。そこでの誤りは誤りに見えず、ある人が言っていないことを言ったかのように見えてしまいます。

生のテキストを読み返せる文書にする20分の作業

文字起こしは素材にすぎません。多くの人は文書に貼り付けた時点で作業を終えてしまいます。ダウンロードされたきり二度と開かれない文字起こしが多いのはそのためです。

差がつくのは次の4つの作業で、どれも時間はかかりません。

必要なければタイムスタンプを消す。 文字起こしパネルの3点メニューに「タイムスタンプの切り替え」があります。コピーする前にオフにすれば、時刻を1行ずつ手で消す必要がなくなり、ひと続きの文章として貼り付けられます。

固有名詞から直す。 人名、製品名、専門用語は、音声認識が最も苦手とし、誤りの影響も最も大きい部分です。重要な3〜4語を検索・置換するだけで、1分もかからずに大半の誤りを直せます。

段落を区切る。 自動字幕は区切りのない1つのかたまりで出てきます。話題が変わるところで段落を分けると、文字起こしが「検索するもの」から「読むもの」に変わります。

内容を覚えているうちに要約を書く。 冒頭に3つの要点を書きます。何についての話か、何が決まったか（または主張されたか）、それをどう活用したいか。後で読み返すときはこの3行だけを読み、残りは飛ばすはずです。それこそが狙いです。

価値の大半は最後の要約にありますが、唯一頭を使う作業なので、最も省かれがちです。そして、優れた文字起こしツールが今では代わりにやってくれる作業でもあります。素材が YouTube 動画ではなく会議の録音なら、この流れはほぼ自動化できます。Laxis は通話を記録して話者を識別し、全文の文字起こしとあわせて決定事項とアクションアイテムをまとめた版を作成するので、探しに行く前に要約ができあがっています。素材が違っても原則は同じです。文字起こしは出発点であって、完成品ではありません。

本当に必要なのは文字起こしではない

この数年で、この作業は大きく変わりました。以前は、動画から言葉を取り出すのは本当に大変でした。人にお金を払って頼むか、映像1時間につき4時間かけて自分で入力するしかなかったのです。今ではテキストは自動で生成済みで、無料で、3クリックで手に入ります。難しさはすべて、その先の「形」に移りました。話者名がない、段落がない、要約がない。そして、多くの人が手にしているスマホでは、なぜかコピーができません。

つまり、改善すべきなのは取り出す作業ではありません。文字起こしそのものが欲しい人は、ほとんどいないからです。2時間の動画から1つの場面を見つけたい、引用を確かめたい、講演をノートにまとめたい。文字起こしは、その目的にたどり着くための、いちばんましな形式にすぎません。2026年にお金を払う価値があるツールは、テキストを最速で取ってくるツールではなく、テキストが目的ではないと理解しているツールです。

よくある質問

YouTube の文字起こしはどうやってダウンロードしますか？

PC で動画の概要欄を展開し、「文字起こしを表示」をクリックします。プレーヤーの横にタイムスタンプ付きのパネルが開くので、テキストを選択してコピーします。YouTube には視聴者向けのダウンロードボタンがないため、コピーがダウンロードの代わりになります。自分の動画なら、YouTube Studio で本物のファイルを取得できます。「字幕」で動画を選び、.srt か .vtt 形式でダウンロードしてください。

YouTube で「文字起こしを表示」が出てこないのはなぜですか？

字幕がないためです。文字起こしは字幕から作られるので、字幕がなければ文字起こしも表示されません。投稿者が字幕をオフにしている、動画が新しく自動字幕の生成が終わっていない、その言語にまだ対応していない、といった場合に起こります。プレーヤーに CC アイコンがなければ、読み取れる字幕トラックはありません。ブラウザーの拡張機能がボタンを隠していることもあり、シークレットウィンドウで動画を開けば数秒で切り分けられます。

スマホで YouTube の文字起こしを取得するにはどうすればいいですか？

スマホのブラウザーでデスクトップ版サイトを開いて文字起こしパネルを使うか、動画のリンクをコピーして文字起こしツールに貼り付けます。YouTube のスマホアプリでも概要欄を開けば文字起こしを表示できますが、テキストの選択やコピーはできません。アプリ内でのコピーだけは、どうしてもできない操作です。

YouTube の自動字幕の精度はどのくらいですか？

おおむね85〜95%で、差を生むのはアルゴリズムではなく音声の質です。スタジオで録音したクリアな音声なら94〜96%、背景ノイズのある屋外の映像では78〜82%まで下がります。精度90%なら40分の動画で約600語の誤りが出る計算なので、自動字幕は完成した文字起こしではなく、あくまで出発点と考えましょう。

YouTube の文字起こしからタイムスタンプを消すにはどうすればいいですか？

文字起こしパネルの3点メニューを開き、「タイムスタンプの切り替え」を選びます。時刻の表示が消えてひと続きの文章になるので、1行ずつ数字を消さなくても、そのまま文書に貼り付けられます。

YouTube の文字起こしに話者名は入りますか？

入りません。YouTube の自動字幕は話者ラベルのない、ひと続きのテキストなので、インタビューもパネルディスカッションも、1人が話し続けているのと同じ形で出てきます。話者分離に対応したツールなら、声を聞き分けて「Speaker 1」「Speaker 2」とラベルを付けるので、あとは一度だけ実名に置き換えれば済みます。