JSON3字幕ファイルとは？YouTube字幕形式解説

JSON3はYouTubeが字幕の保存と配信に使用する内部字幕形式です。JSONベースの形式で、各字幕イベントに正確なミリ秒単位のタイムスタンプ、単語レベルのオフセット、テキストセグメントが含まれます。SRTやVTTほど広く知られていませんが、YouTube字幕を抽出して標準字幕形式に変換する際にJSON3は不可欠です。

JSON3の意味

JSON3はYouTubeの字幕システムが使用するJSONベースのtimedtext形式を指します。「3」はYouTubeのtimed text APIレスポンス形式の第3バージョンを表します。SRTのようなプレーンテキスト形式とは異なり、JSON3は字幕データを構造化JSONオブジェクトとして保存し、単語レベルのタイミング、スタイルメタデータ、自動字幕アライメントを可能にします。

JSON3ファイルの仕組み

JSON3ファイルには"events"配列が含まれ、各イベントが一つの字幕キューを表します。各イベントにはミリ秒単位の開始時間（tStartMs）、オプションの持続時間（dDurationMs）、1つ以上のテキストセグメント（segs）があります。個々のセグメントにtOffsetMsフィールドを含めることで、単語レベルのタイミング精度を実現し、JSON3を最もタイミング精度の高い字幕形式の1つにしています。

JSON3を使用するタイミング

JSON3は主にYouTube動画から字幕をダウンロードまたは抽出する際に遇います。YouTubeの自動生成または手動作成された字幕を動画編集ソフト、他のプラットフォーム、アーカイブ目的で再利用する場合、JSON3をSRT、VTT、LRCなどより広くサポートされている形式に変換する必要があります。AllSubConverterがこの変換を自動的に行います。

JSON3ファイル構造

{
  "events": [
    {
      "tStartMs": 0,
      "dDurationMs": 3120,
      "segs": [
        { "utf8": "Hi " },
        { "utf8": "everyone." }
      ]
    },
    {
      "tStartMs": 3120,
      "dDurationMs": 0,
      "segs": [{ "utf8": "\n" }]
    },
    {
      "tStartMs": 3120,
      "dDurationMs": 4840,
      "segs": [
        { "utf8": "In " },
        { "utf8": "this " },
        { "tOffsetMs": 640, "utf8": "video," }
      ]
    }
  ]
}

JSON3よくある質問

JSON3を他の形式に変換

AllSubConverterはJSON3からすべての主要字幕形式への変換をサポートしています。下記の変換ツールを選択して開始してください：