02 プロジェクト作成
DeepVideo には4種類のプロジェクトタイプがあり、その違いは名前から想像するより大きものです。選ぶのを間違えると長い回り道になるので、先にこの節を読んでください。
1. 4種類のプロジェクトタイプ
| 種類 | できること | ネット接続が必要？ | 追加のスイッチが必要？ |
|---|---|---|---|
| プロ仕様動画翻訳 | 一連の流れすべて：元の音声を書き起こし → 翻訳し → 本人の声で吹き替え → 字幕を焼き込み → 完成動画を組み立てる | 翻訳ステップのみ | いいえ |
| 動画クイック翻訳 左のサイドバーでは「ワンクリック動画翻訳」と表示 | 完成動画は同じように届きますが、選べる項目が少なく、品質の上限も下がります | 翻訳ステップのみ | いいえ |
| 動画吹き替え | 映像はそのまま残し、話されていた内容を別の内容を話す同じ言語の吹き替えに差し替えます。手元の字幕を取り込むこともできます | はい | 設定 → 全般 → 実験的機能 で有効にします |
| 動画字幕 | 字幕を作り、映像へ焼き込みます吹き替えはありません | はい | 同じく実験的機能のスイッチが必要です |
動画に別の言語を話させたいならプロ仕様動画翻訳を、字幕だけ欲しい・字幕を焼き込みたいだけなら動画字幕を選びます。すでに翻訳済みの動画があり、台詞を書き直して録り直したい場合は動画吹き替えを選びます。
2. 新規作成フォームの各項目
以下の並びは界面のグループ分けに従っており、それぞれに既定値を明記しています。既定値とは、初めて使うときにそのままにしておくべき値です。
ファイルと言語
- プロジェクト名：自由に付けてよく、あとから名前変更できます。
- 動画ファイルパスには
mp4 / mkv / avi / mov / webm / flvを受け付けます。すでに手元のディスクにあるプラットフォームの動画でも構いません — 動画ダウンロードで取得したファイルなら。 - ソース言語（既定は自動検出）は、動画で話されている言語です。自動検出はほとんどの場合で十分です。動画の言語が分かっているなら、自分で選んで確実にしましょう。
- ターゲット言語（既定は英語）は、翻訳先の言語です。動画字幕と動画吹き替えにはこの項目はありません。
品質
- 音声認識品質：次から選びます。高速 / スタンダード / プロフェッショナル。上がるほど正確になりますが遅くなります — アプリ自身のヒントにも「高品質なモデルは遅いですがより正確です」とあります。長い動画なら、まず高速を1回流して結果を見ておくほうが、プロフェッショナルで最後まで待つより遥かに早く済みます。
- 音声合成品質：次から選びます。高速 / 音質（プロ仕様動画翻訳ではさらに上のプロフェッショナルがありますが、動画クイック翻訳にはありません）。上がるほど自然に聞こえますが、遅くなります。注意：2番目の段は界面上での名前が「音質」です。上の 音声認識品質 で使う「スタンダード」とは別の呼び名です。
音声
3つのうちから選び、既定は声のクローンです。
- 声のクローン：動画で話している人の声質をクローンし、その声にターゲット言語を話させます。オリジナルに最も忠実な選択肢です。
- 内蔵キャラクター：アプリに同梱されている音声のセットです。
- カスタムロール：ボイスロールページであなた自身が作ったロールです。
お使いのプランがクローンに対応していない場合、この選択肢はグレーアウトして「現在のプランでは音声クローンは利用できません」と表示されます。その後フォームは自動的に内蔵キャラクターへ戻ります。
プロ仕様動画翻訳ではここで音声を選びません。必ず2段階で実行され、音声は第2段でエディターの左サイドバーから設定するため、この項目はフォームにすらありません。ワンクリック動画翻訳・動画字幕・動画吹き替えではここで聞かれます。
字幕
プロ仕様動画翻訳のフォームにはこのグループはありません（同じくエディターの左サイドバーで設定します）。以下は他の3タイプに現れます。
- 字幕を追加（既定はオフ）は、完成した映像に焼き込み字幕を付けるかどうかを決めます。字幕が欲しいなら有効に — これが最も見落とされやすい項目です。
- 字幕言語：ターゲットのみ / ソースのみ / バイリンガル。
- 字幕順序：バイリンガルのときにどちらを上に置くか — 2つの選択肢の名前はソースが上と翻訳を上にです。
- 字幕サイズ（既定は 中）、字幕背景（既定は なし）、フォント（バイリンガルではこの2項目に分かれます：ソース言語フォントとターゲット言語フォント）、字幕位置（3つの選択肢：自動検出 / 下部 / 上部、既定は 自動検出）。
- AI 字幕校正（既定はオン）は、音声認識が拾った誤字を大モデルが直します。切るとクラウドの使用量を少し抑えられますが、原文の誤りがそのまま翻訳に入ります。
話者数と感情
- マルチスピーカーモード（既定はオフ、動画吹き替えでは強制的にオン）は、動画中に何人が話しているかを検出し、人に別々の音声を割り当て、一人ずつ編集できるようにします。違いが最も出るのはステップです。有効にすると処理フローに話者識別のステップが1つ増えます。詳しくは 03 処理フローと進捗。
- 話者数：自動検出、または 2〜5人 の固定指定。検出がうまくいかないときは、自分で数を指定するほうが手間が減ります。
- 感情認識（既定はオフ）は、元の音声の感情を読み取り、吹き替えの表現に反映します。
音量
- 音声音量調整：−50%〜+50%。吹き替えの声と背景音の釣り合いを決めます。
- ラウドネス正規化（既定はオン）は、全体の音量を均します。プロ仕様動画翻訳はフォームで聞かれません — エディターで設定します。
- 元映像の音量バランスを維持（既定はオン）は、元の動画の声と背景の比率をできる限り保ちます。これはプロ仕様動画翻訳だけで、同じくエディターで設定します。
翻訳の制御
- 高度な翻訳（既定はオフ）を有効にすると、翻訳スタイル・業界ドメイン・カスタム指示を設定できます。
- 用語集を使用（既定はオフ）は、用語集を1つ以上紐付けて、ブランド名と固有名詞の訳し方を固定します。
これは常に2段階で実行されるためです：第1段は「訳文」ステップまで進んでそこで止まり、そのままエディターが開いてあなたの確認待ちになります。吹き替えと合成は、エディターで「動画生成」を押したときにだけ続きます。止まらずに最後まで流したい場合は動画クイック翻訳を選んでください。複数の動画をまとめて登録できるバッチキューも同じタイプを流すため（ 08 プロジェクト一覧とバッチキューを参照）、こちらも人の判断で止まることはありません。
変えられます。字幕のスタイル・フォント・位置・背景、音量、音声は、いつでもエディター左のパラメータパネルから変更でき、プロジェクトを作り直す必要はありません。ただしソース言語・ターゲット言語・音声認識品質は、何を認識するかを決める項目ですが、そこで読み取り専用です。変えたいときは新規作成フォームに戻って新しいプロジェクトを作り直してください。
3. クォータが実行を止めてしまうもの
硬い線は2つあります。プランの上限を超える 1本あたりの再生時間は受理されません（無料プランは1分）。また、課金期間内の累積再生時間を使い切ると受理されません。正確な数値と、上限に達したときに表示されるメッセージは 10 プランとクォータを参照してください。ファイルサイズに独自の制限はありません — 判定されるのは再生時間だけです。