合成音声ソフト向け日本語テキストをOCRツール「RecOCR」

RecOCR v1.1.1

ゲーム録画などの映像に表示される台詞を、話者付きで効率よく書き起こすための Windows 向けツールです。デスクトップ画面・画像・動画から指定した範囲を日本語 OCR で読み取り、1〜9 キーで話者を切り替えながら、合成音声ソフトに取り込める CSV / TXT や、SRT 字幕として書き出せます。

主な機能

2つの入力ソース

• デスクトップ読み取り — ホットキー（既定 Ctrl+Alt+O）で画面の任意の範囲をドラッグ選択して読み取ります。マルチモニター対応。
• メディア読み取り — 画像（jpg / png / bmp / webp ほか）や動画（mp4 / mkv / avi / mov ほか）をドラッグ＆ドロップで読み込み、再生しながら指定領域を読み取ります。

2つの読み取りモード

• 通常モード — 一時停止して 1〜9 キーを押すと、そのフレームを読み取って1行追加します。内容を確認しながら都度修正できます。
• 連続モード — 再生を止めずにキーを押すたび行を追加し、別プロセスで進む認識結果を順次埋めていきます。とにかく続けて取り込みたいときに向いています。

話者キー

映像の直下に 1〜9 の割り当てが常に表示されます。キーを押すと該当のチップが光り、クリックでも同じ読み取りを実行できます。

ブックマーク

動画から取り込んだ行には再生位置が記録され、時刻をクリックするだけでその場面へ戻れます。一時停止中はその状態を保ちます。

OCRエンジン

• RapidOCR / PP-OCR（既定） — PaddleOCR の PP-OCR モデルを ONNX Runtime で実行します。ディザや低解像度のゲーム字幕に強く、日本語・英語を1つのモデルで認識します。
• Windows OCR — OS 標準の軽量エンジン。鮮明な画面キャプチャではこちらが有利です。

認識精度を上げるオプション

• 前処理 — 拡大・グレースケール化・コントラスト強調・ノイズ除去・二値化・色反転を個別に適用できます。
• 多数決OCR — 条件を変えて複数回認識し、文字単位の多数決と辞書尤度で統合します。
• 日本語校正 — 辞書・編集距離・字形の似かた・前後の文脈から「永速→永遠」「芳働→労働」のような誤認識を見つけます。候補提示（非破壊）と自動修正を選べます。

プロジェクト管理

名前を付けていないあいだは「新しいプロジェクト」として自動保存され、名前を付けて保存すると以降はそのファイルに保存されます。作業状態は変更のたびに自動保存され、次回起動時に読み込んでいた画像・動画とあわせて復元します。

動画プレイヤー

再生速度（0.25〜8倍）、音量調節とミュート、同じフォルダ内の前後のファイルへの移動、シークバーのホイールで1秒ずつの微調整に対応しています。

出力

CSV / TXT — 合成音声ソフトへの取り込み用

話者名,台詞                  # 通常
話者名,台詞,プリセット名      # 話者プリセットを使った場合

• 値はダブルクォートで囲みません。囲むと引用符ごと本文として読み込んでしまう合成音声ソフトがあるためです。CSV と TXT は拡張子が違うだけで中身は同じ形式です。
• 台詞に半角カンマがあると取り込み側で列がずれるため、書き出し時に該当する行の件数をお知らせします。
• 時刻は出力しません。

台詞のみ TXT — 話者名が不要なソフト向け

話者名のカンマ区切りに対応していない合成音声ソフト向けに、台詞だけを1行1件で書き出します。話者名・プリセット名・時刻は出力しません。区切り文字が無いため、台詞に半角カンマがあっても列がずれる心配はありません。

SRT — 字幕用

1
00:00:12,345 --> 00:00:14,999
話者名：台詞

動画から取り込んだ行を字幕として書き出します。終了時刻は次の台詞の開始時刻から自動で決まります（最長6秒、最後の行は3秒）。時刻を持たない行（デスクトップ・画像から取り込んだ行）は含まれません。

リストを時刻順に並び替えるボタンも用意しています。

話者プリセット

「設定」タブの話者名を 話者名,プリセット名 のように半角カンマで区切ると、カンマ以降をプリセット名として CSV / TXT の3列目に書き出します。一部の合成音声ソフトは、この3列目を話者の声の種類として読み込みます。プリセットを使っていない場合、3列目は付きません。

画面

ダークテーマの画面で、ウィンドウ・タスクバー・EXE にアプリのアイコンを表示します。書き出しのボタンと、リストを並び替えるボタンは区切り線で分けています。

動作環境

Windows 10 / 11（64bit）

既定の RapidOCR は追加の OS 設定なしで動作します。Windows OCR に切り替える場合のみ、日本語言語パックが必要です（設定 → 時刻と言語 → 言語と地域 → 日本語 → オプション → 「基本入力」）。

インストール

ZIP ファイルを解凍し、RecoOCR.exe を実行してください。Python 環境のインストールは不要です。

初回起動時に SmartScreen やウイルス対策ソフトが警告を表示する場合があります。署名のない実行ファイルに対する一般的な誤検知です。

使い方

1. 左パネルで入力ソース（デスクトップ / メディア）を選びます
2. メディアの場合はファイルを開くかドラッグ＆ドロップし、映像の上をドラッグして読み取り領域を指定します
3. 「設定」タブで 1〜9 キーに話者名を割り当てます
4. 再生しながら、話したキャラクターのキーを押して読み取ります
5. リストで話者やテキストを整えて、CSV / TXT（話者名が不要なら「台詞のみ TXT」、字幕は SRT）に書き出します

既知の制限

• 縦書きテキストには対応していません。
• ディザ処理された低解像度の字幕など、劣化が激しい映像では前処理・多数決・校正を併用しても誤認識が残ることがあります。
• 日本語校正は「1〜2文字のもっともらしい誤り」向けです。候補提示モードでの併用を推奨します。

ライセンス

MIT License。同梱の日本語バイグラムモデルは Tatoeba Project の日本語文（CC BY 2.0 FR）から統計量を抽出した派生物です。