MOV動画を文字起こし — iPhoneクリップからProResシネマファイルまで

ProRes MOVファイルは映像コーデックのため非常に大きくなります — 1080pのProRes 422 HQの1時間で約80GBです。しかしそのファイル内の音声トラックは通常16ビット/48kHz PCMで、モノ音声1時間あたり約330MBです。音声のみを抽出するため、映像ファイル全体をアップロードまたは処理する必要はありません。

iPhone 15 Pro以降はProRes動画を撮影できます。多くの人がProResは音声も良くなると思いますが、そうではありません。音声コーデックと品質は、標準H.265モードでもProResモードでも同一です。マイクハードウェアは同じであり、音声エンコーディングは変わりません。文字起こし結果は両方で同一です。

シネマカメラや放送機器のプロフェッショナルMOVファイルにはSMPTEタイムコードトラックが含まれていることがよくあります。存在する場合、タイムスタンプに元のタイムコードを参照するため、文字起こしは壁掛け時計の経過時間ではなく、ポストプロダクションで使用されるプロダクションタイムコードに合わせられます。

MOVファイルの音声品質はソースによって大きく異なります。iPhone録音はコンピュテーショナルオーディオ処理の恩恵を受けます。デジタル一眼レフやミラーレスカメラは内蔵マイクが平凡なことがよくあります。シネマカメラは通常、外部オーディオレコーダーとペアリングされます。この全範囲の音声品質に対応し、それに応じて処理を調整します。