トップ / Google Flow / CapCutの字幕がずれる時の直し方|全体ずれ・だんだんずれる原因を実測【2026年10月】
編集・効率化

CapCutの字幕がずれる時の直し方|全体ずれ・だんだんずれる原因を実測【2026年10月】

公開 2026.10.13 / 更新 2026.11.10
この記事の結論
  • 字幕のずれには「全体が同じだけずれる」と「だんだんずれる」の2種類があり、原因も直し方も違います
  • CapCutでは、SRTの字幕は再生ヘッドの位置から並びます。全体が同じだけずれるときは、まずこれを疑います
  • 「1秒に何文字」と決めて台本から字幕を作ると、テストでは最後に4.7秒ずれました。音声の無音の場所をffmpegで調べて区切ると、ずれはなくなりました

台本からSRT(字幕のファイル)を作って、CapCutにまとめて読み込むと、字幕入れはすぐ終わります。

ところが、再生してみると字幕と声がずれていることがあります。私も、YouTubeの動画を編集していて何度もありました。

そこで今回は、テスト用のナレーションを作って、なぜずれるのか、どうすれば合うのかを数字で確かめました。

先に結論
・全体が同じだけずれる → 字幕を入れた位置の問題。CapCutは再生ヘッドの位置から字幕を並べます
・だんだんずれる → 字幕の時間を台本の文字数から決めたのが原因。実際の音声の「無音」の場所で区切ると合いました

まず見分ける:ずれ方は2種類

ずれ方によって、原因がまったく違います。

ずれ方 よくある原因 直し方
最初から最後まで、同じだけずれている 字幕を入れた位置がずれている 字幕全体を、同じ秒数だけ動かす
最初は合っているのに、後ろほどずれる 字幕の時間を、台本の文字数から決めている 実際の音声に合わせて、時間を作り直す

動画の最初と最後で、ずれている秒数を見比べてみてください。同じなら前者、後ろのほうが大きいなら後者です。

原因① 全体が同じだけずれる:CapCutは再生ヘッドの位置から並べる

CapCut(デスクトップ版 9.5.0)でSRTを読み込んだとき、字幕は再生ヘッドがある位置を始まりにして並びました(2026年10月3日に確認)。

つまり、再生ヘッドが動画の3秒目にあるまま読み込むと、全部の字幕が3秒遅れて入ります。

SRTを読み込む前に、再生ヘッドを動画の頭(0秒)に合わせておくのが一番かんたんな対策です。ナレーションを動画の途中から始めている場合は、ナレーションの始まりに再生ヘッドを合わせます。

すでにずれたSRTを、ファイルごとずらす方法

字幕ファイルのほうを、まとめて後ろにずらすこともできます。無料のffmpegで、次のように実行しました。

ffmpeg -itsoffset 1.5 -i jimaku.srt -c copy jimaku-ato.srt

1.5 の部分が、ずらす秒数です。実際に、すべての字幕の時間がちょうど1.5秒ずつ後ろにずれました。

00:00:00,000 --> 00:00:04,610  (元)
00:00:01,500 --> 00:00:06,110  (ずらしたあと)
落とし穴:最初の字幕が0秒から始まっていると、前にはずらせませんでした。
-itsoffset -0.5 のようにマイナスを付けて前にずらそうとしたところ、最初の字幕が0秒のファイルでは、どの字幕も1つも動きませんでした。最初の字幕が1.5秒から始まるファイルでは、ちゃんと0.5秒前にずれました。

ffmpegの入れ方は、BGMの音量をそろえた記事に書いています。

原因② だんだんずれる:台本の文字数から時間を決めている

こちらが本題です。

台本から字幕を作るとき、「1秒に何文字読む」と決めて、文字数から時間を計算することがあります。私もそうしていました。

これがどれくらいずれるのか、確かめました。

試し方

  • Windowsに最初から入っている読み上げ音声(Haruka)で、6行・169文字のナレーションを作った(長さは約33秒)
  • ffmpegで、実際の音声の無音の場所を調べ、各行が本当に終わる時間を出した
  • 「1秒に6文字」で計算した字幕の時間と比べた

結果:後ろほど、ずれが大きくなった

行 実際に読み終わる時間 「1秒6文字」で計算 ずれ
1行目 4.6秒 4.0秒 -0.6秒
2行目 11.3秒 10.5秒 -0.8秒
3行目 16.1秒 14.2秒 -1.9秒
4行目 21.0秒 18.0秒 -3.0秒
5行目 27.7秒 23.7秒 -4.0秒
6行目 32.9秒 28.2秒 -4.7秒

最初は0.6秒だったずれが、最後には4.7秒になりました。字幕が声より先に、どんどん進んでしまっています。

字数から計算した字幕と、無音で区切った字幕の比較

理由は単純で、このナレーションは1秒に約5.1文字の速さだったからです。決めた速さが少し違うだけで、ずれが積み重なっていきます。

「全体の長さで割る」方法でも、途中は最大1秒ずれた

それなら、ナレーション全体の長さ(33秒)を文字数で割って配分すればどうか、とも試しました。

これだと最後はぴったり合いましたが、途中の2行目では約1秒ずれました。句読点の数や言葉によって、行ごとの読む速さが違うためです。

直し方:音声の「無音」の場所で区切る

いちばん確実だったのは、実際の音声の、声が止まっている場所を探して、そこを字幕の区切りにする方法でした。

1. 無音の場所を調べる

ffmpegで、次のように実行します。

ffmpeg -i narration.wav -af silencedetect=noise=-35dB:d=0.7 -f null -
  • noise=-35dB:これより小さい音を「無音」とみなす
  • d=0.7:0.7秒以上続いた無音だけを探す

結果に、silence_start(無音が始まった時間=声が止まった時間)と silence_end(無音が終わった時間=次の声が始まった時間)が並びます。

2. その時間を、SRTに書き写す

  • 字幕の終わり= silence_start の時間
  • 次の字幕の始まり= silence_end の時間

この方法で作ったSRTを動画に焼き込み、6行それぞれを読んでいる途中で止めて確かめたところ、6行とも、声と同じ字幕が出ていました。

はまった落とし穴:無音の長さの決め方

ここで2つ、つまずきました。

落とし穴① 短くすると、読点(、)でも区切られる

最初、d=0.3(0.3秒以上の無音)で探したら、6行のナレーションなのに、18か所も見つかりました。

測ってみると、無音の長さはこうでした。

場所 無音の長さ
読点(、)のあと 0.42〜0.49秒
句点(。)のあと 0.91〜1.10秒

読点のあとの「間」まで拾っていたのです。0.7秒にしたら、句点のところだけが残りました。

ちょうどいい長さは、読み上げの声や話し方によって変わります。一度 d=0.3 くらいで全部出してみて、読点と句点の間の長さを見て決めるのがおすすめです。

落とし穴② 1つの字幕に2つの文があると、間で切れる

0.7秒にしても、見つかった区切りは6行に対して7か所でした(最後の無音を含む)。

1行目が「こんにちは。今日は、字幕がずれる原因を調べます。」と、2つの文になっていたからです。「こんにちは。」のあとにも、句点の長い間が入っていました。

1つの字幕に2つの文を入れるときは、その間の区切りは使わずに飛ばす必要があります。台本と見比べながら書き写すと、まちがえにくいです。

まとめ

  • 字幕のずれは、「全体が同じだけ」か「だんだん」かをまず見分ける
  • 全体が同じだけ → CapCutは再生ヘッドの位置から字幕を並べる。読み込む前に0秒に合わせる。ffmpegの -itsoffset でファイルごとずらせる(ただし、0秒始まりのファイルは前にずらせなかった)
  • だんだん → 文字数から時間を決めたのが原因。テストでは最後に4.7秒ずれた
  • 直すには、ffmpegの silencedetect で無音の場所を調べ、そこを字幕の区切りにする
  • 無音の長さは、読点の間より長く、句点の間より短く。1つの字幕に2つの文があるときは、間の区切りを飛ばす

まだ分からないこと

  • 今回のナレーションは、Windowsの読み上げ音声です。人の声や、BGMが入った音声では、無音がきれいに出ないかもしれません
  • CapCutの自動字幕(音声から字幕を作る機能)とは比べていません

参考にした資料

🔍 検証した日・バージョン:2026年10月13日/ffmpeg 9.0(Windows)/テスト用のナレーションはWindows標準の読み上げ音声(Haruka・6行169文字・約33秒)で作成/CapCutの読み込み位置の挙動は2026年10月3日にCapCut デスクトップ版 9.5.0で確認
ガイドに戻る

🎬 Google Flow 完全ガイド|使い方・料金・クレジット・規制で止まる時の対処まで

Google Flowの使い方を、はじめての人向けにまとめた目次です。料金とクレジットの減り方(実測)、節約のコツ、プロンプトの書き方、設定が勝手に変わる件、「ポリシー違反」で止まる時の対処まで、実際に2か月使った記録と公式ヘルプから書いています。