動画の字幕づくりを独学で身につける順番｜何から手を付けて何を後回しにするか

先日、在宅で字幕づくりを始めたばかりという方から相談を受けました。「講座動画の字幕を1本引き受けたのですが、納品後に『表記ルールが違う』と言われて、無償で全部やり直すことになりました」という内容です。結論から言うと、これは学習の順番を間違えたときに必ず起きるトラブルです。字幕づくりで最初に覚えるべきなのは、編集ソフトの操作でも、かっこいいテロップの装飾でもありません。「発注者が求める表記ルールを、先に文書として確認する」という一点です。これ、知らない人が本当に多いんです。

動画の字幕づくりを独学で在宅の仕事にしていく手順を調べると、たいていは「編集ソフトを入れましょう」「YouTubeで操作を覚えましょう」という話から始まります。ただ、それは順番として後ろのほうです。この記事では、独学で字幕づくりを身につけるときに、何から手を付けて何を後回しにすればよいのかを、実務で報酬が発生する場面から逆算して整理します。あわせて、在宅で仕事として受けるときに自分を守るための契約面の知識も、法務の相談を受けている立場から具体的に書いておきます。

字幕づくりが在宅ワークとして切り出されている背景

まず市場の話から始めます。字幕づくりが独立した在宅の仕事として成立しているのは、動画そのものが増えたからというより、動画を作る工程が細かく分業化されたからです。

音を出さずに動画を見る人が主流になった

動画に字幕が付くのが当たり前になった直接の理由は、視聴環境の変化です。通勤中の電車、職場の休憩時間、寝室で家族が寝ている横。こうした「音を出せない場所」で動画を見る人が増え、字幕がないと内容が伝わらない動画は最後まで見てもらえなくなりました。SNSのタイムラインに流れる動画は初期状態で音声がオフになっている設計が多く、最初の3秒で内容が読み取れるかどうかが視聴継続を左右します。

さらに、字幕は聴覚に障害のある方や、日本語を学習中の方にとっての情報保障でもあります。公的機関や大学、企業の研修動画では、字幕の付与が事実上の必須要件になっている場面が増えました。つまり、字幕は「あると親切なおまけ」から「ないと公開できない構成要素」に変わったということです。この変化が、字幕だけを外注する発注を生みました。

動画編集の工程が分解され、字幕だけが外に出た

動画制作の工程は、企画、撮影、カット編集、テロップと字幕、効果音とBGM、色調整、書き出しといった具合に分かれます。このうち字幕づくりは、他の工程と比べて「作業内容が明確で、品質の合否を判定しやすい」という特徴があります。カット編集のセンスは言語化しにくいのですが、字幕は「聞き取った内容が正確か」「表示のタイミングがずれていないか」「表記ルールに沿っているか」で機械的に検品できます。

判定しやすい作業は、外注しやすい作業です。だから発注者は、まず字幕から切り出して外に投げます。在宅で始めやすいのは、需要が強いからというより、この「検品しやすさ」ゆえの構造的な理由が大きい。長く続けたいなら、この構造を理解しておくと、次にどの工程へ手を伸ばすべきかの判断がしやすくなります。

自動文字起こしの普及で、仕事の中身が変わった

音声を自動でテキストにする機能は、この数年で実用水準に届きました。静かな環境で、はっきりした話し方の音声であれば、変換精度は90%を超えることも珍しくありません。これを見て「字幕の仕事はなくなる」と考える方がいますが、実際に現場で起きたのは仕事の消滅ではなく、仕事の中身の移動です。

自動変換が苦手なのは、固有名詞、業界用語、複数人が同時に話す場面、方言や訛り、言い間違いの修正、そして「話し言葉を読める日本語に整える」作業です。残りの10%を直す作業のほうが、ゼロから打ち込むより神経を使う場面すらあります。独学の手順を組み立てるときは、この「自動化されなかった部分」に学習時間を集中させるのが正解です。ゼロから速く打つ練習に何十時間もかける必要は、もうありません。

独学の全体像を先に押さえる

具体的な手順に入る前に、字幕づくりという仕事が何でできているかを分解しておきます。ここが曖昧なまま編集ソフトを触り始めると、学習が迷子になります。

字幕づくりは4つの作業に分かれる

1つ目は文字起こしです。音声を聞き取ってテキストにする作業で、自動変換を下地に使う場合も、最終的な正確さの責任は人間側にあります。2つ目はタイムコード調整で、どのテキストを何秒から何秒まで表示するかを決めます。3つ目は整文で、話し言葉に含まれる言い淀みや重複を削り、限られた文字数で読み切れる形にします。4つ目は書き出しとファイル形式の管理で、SRT形式やVTT形式といった字幕ファイルとして納品するのか、動画に焼き込んだ状態で納品するのかを扱います。

この4つのうち、報酬の差が付きやすいのは3つ目の整文です。文字起こしとタイムコード調整は自動化と機械的な検品が効くため、単価が下がりやすい。一方、整文は日本語の運用力そのもので、代替が効きません。つまり、独学の時間配分は「整文に厚く」が原則になります。

何を先にやり、何を後回しにするか

順番を1行でまとめると、こうなります。表記ルールの理解、整文、タイムコード調整、ツール操作、装飾、の順です。多くの入門記事はこの逆順で書かれています。ソフトの操作から入ると、覚えた操作を使いたくなって、装飾に凝った字幕を作ってしまう。しかし実務で求められるのは、装飾のない、読みやすくて正確な字幕です。

後回しにしてよいものも明記しておきます。有料ソフトの購入、モーショングラフィックスの学習、複数ソフトの使い分け、ショートカットキーの完全暗記、高性能なパソコンへの買い替え。これらはすべて、最初の1本を仕上げてからで間に合います。特に機材への投資は、実際に受注してから必要性を判断してください。仕事が来る前に道具をそろえて、そのまま続かなかった方を何人も見てきました。

ただし、教材を見るだけでは動画を作れるようになりません。この記事では、Premiere Proを実際に操作しながら短い動画を完成させる学習手順と、独学を止めずに続けるためのコツを解説します。 出典: 321web.link

この指摘は字幕づくりにもそのまま当てはまります。字幕のルールブックを読み込んでも、実際に音声を聞いて手を動かさない限り、判断の速さは身につきません。学習教材の消化と、実際の制作は、別の能力だと考えてください。

手順1 表記ルールを先に覚える

最初にやるべきは、ソフトを入れることではなく、字幕の表記ルールを知ることです。ここを飛ばすと、冒頭に書いた「納品後の全面やり直し」が起きます。

1行の文字数と行数には上限がある

日本語字幕の基本は、1行あたり13文字から16文字、表示は最大2行までという目安です。これは放送や映像の現場で長く使われてきた基準で、人が画面を見ながら無理なく読み取れる分量から逆算されています。SNS向けの縦型動画では、画面幅が狭いぶんさらに短く、1行10文字前後に抑える発注もあります。

表示時間にも下限があります。1つの字幕を出す時間は最低でも1.2秒程度、読み取りに必要な時間は1秒あたり4文字から6文字が目安です。つまり、20文字の字幕なら4秒近く出しておく必要がある。この計算が頭に入っていないと、話者が早口の場面で「全部を文字にしたけれど誰も読めない字幕」ができあがります。

句読点、記号、数字の扱いは案件ごとに違う

字幕では句読点を打たず、半角スペースや改行で区切るのが一般的です。ただしこれは絶対ではなく、企業の研修動画や講義動画では句読点を入れる指定もあります。感嘆符や疑問符を使ってよいか、三点リーダーの形をどうするか、数字を算用数字にするか漢数字にするか。こうした細部は案件ごとに違います。

だからこそ、着手前に発注者へ確認すべき項目は決まっています。1行の文字数上限、行数上限、句読点の有無、数字と英字の表記、固有名詞の表記一覧、話者名の表示要否、言い淀みを残すか削るか、納品ファイル形式。この8項目を最初のやり取りで文字にして確認しておくだけで、後から起きる差し戻しの大半は防げます。口頭やチャットの流れで済ませず、箇条書きにして送り、相手からの返信を残しておくこと。これは法務の観点でも重要で、後述する検収トラブルの予防になります。

表記ゆれを自分の中で固定する

同じ動画の中で「お問い合わせ」と「お問合せ」が混在していると、それだけで品質が低く見えます。よく使う語について自分用の表記一覧を作り、案件ごとに上書きする形で運用してください。「いただく」と「頂く」、「ください」と「下さい」、「わかる」と「分かる」、「事」と「こと」。この手の判断を毎回考えていると時間が溶けます。

私が相談を受ける中でも、納品物の品質をめぐる争いは、内容の間違いより表記の不統一が原因になっているケースが目立ちます。表記は主観が入りにくく、指摘されると反論しにくい。だから発注者にとって最も指摘しやすい欠点になるのです。逆に言えば、ここを固めておくと、無用な差し戻しを受けにくくなります。

手順2 整文の判断力を鍛える

表記ルールの次に来るのが整文です。ここが字幕づくりの中心であり、独学の時間を最も厚く配分すべき場所です。

話し言葉をそのまま文字にしても読めない

人が話す言葉には、「えー」「あの」「なんか」といった言い淀み、「ですけれども、ですけれども」のような重複、途中で主語が変わる言い直しが大量に含まれます。これをそのまま文字にすると、読める字幕にはなりません。かといって、削りすぎると話者の意図が変わってしまいます。

判断の基準を持っておくと迷いません。削ってよいのは、意味に関与しない言い淀み、同じ語の繰り返し、明らかな言い間違いの前半部分、「そうですね」のような相槌です。残すべきなのは、話者の主張、数値、固有名詞、条件を限定する語です。特に「原則として」「場合によっては」「多くの場合」といった限定表現は、削ると断定に化けて意味が変わります。ここを落とすと、内容の正確さを損なう改変になり、後で責任問題になりかねません。

語順を変えてよい場面と、変えてはいけない場面

字幕は表示時間が限られるため、語順を入れ替えて短くしたくなります。「私はこの点について、非常に重要だと考えております」を「この点は非常に重要です」にする、といった圧縮です。事実関係が変わらない範囲であれば、この種の圧縮は一般的に許容されます。

ただし、講演や対談の記録、法的な説明、医療や健康に関する説明では、話者の言い回しそのものが意味を持つことがあります。「可能性があります」を「あります」に縮めるのは、断定への書き換えであり、してはいけない圧縮です。判断に迷ったら、圧縮せずに表示を2枚に分ける。これが安全側の対処です。

練習方法は「自分の字幕を音声なしで読む」

整文の腕を上げる練習として、私が有効だと考えているのは、自分が作った字幕を音声を切って読み返すことです。音を聞きながら読むと、聞こえた内容が頭を補完してしまい、字幕だけで意味が通じているかどうか判定できません。音声を切って読み、意味が取れない箇所があれば、そこが整文の失敗箇所です。

もう1つ、他人が作った字幕付き動画を音声なしで見る練習も効きます。公的機関の広報動画や大学の公開講義には字幕付きのものが多く、良質な参考例が無料で手に入ります。厚生労働省の広報動画などは、表記が保守的で行数の管理も厳しく、基準の感覚をつかむのに向いています。

手順3 タイムコード調整を身につける

整文の判断ができるようになったら、タイムコード、つまり表示の開始と終了のタイミングを合わせる作業に進みます。

話し始めより少し早く出す

字幕は、話者が話し始めるタイミングと同時、あるいは0.1秒ほど早く出すのが基本です。遅れて出ると、視聴者は「聞こえた音」と「読んだ文字」を頭の中で照合し直すことになり、負担が増えます。逆に早すぎると、まだ話していない内容が先に見えてしまい、話の展開が台無しになります。オチのある話やクイズ形式の動画では、この先出しが致命的なミスになります。

終了のタイミングは、話し終わりより少し遅らせるのが読みやすい。ただし次の字幕が始まるまでに0.1秒程度の間を空けないと、字幕が切り替わったことに視聴者が気付かず、読み飛ばしが起きます。この「わずかな間」を入れるかどうかで、完成品の見え方がはっきり変わります。

場面が切り替わる瞬間をまたがない

映像のカットが切り替わる瞬間に字幕をまたがせると、視聴者の視線が映像に引っ張られ、字幕が読み飛ばされます。カットの切り替わりに合わせて字幕も切る。これは映像の文法として長く共有されてきた原則で、守るだけで完成度が上がります。

作業手順としては、まず全体のテキストを流し込み、次に音声波形を見ながら区切りを大まかに合わせ、最後にカット点との整合を取る、という3段階が効率的です。最初から1つずつ完璧に合わせようとすると、後半で全体の調整が必要になったときに手戻りが大きくなります。

誤差の許容範囲を発注者と共有しておく

タイミングのずれをどこまで許容するかは、発注者によって違います。SNS向けの短い動画なら0.3秒程度のずれは問題にならないことが多い一方、講義動画や字幕放送に準じた基準を求める案件では0.1秒単位の精度を求められます。この許容範囲を確認せずに受けると、想定の何倍もの時間がかかることになります。

手順4 無料で使えるツールを1本に絞る

ここでようやくツールの話です。順番として、これは4番目でよい。

最初に有料ソフトを買う必要はない

字幕づくりだけであれば、無料の範囲で実務水準の作業ができます。動画編集ソフトの無料版、字幕ファイルの編集に特化した無料ソフト、ブラウザ上で動く自動文字起こしサービスの無料枠。この組み合わせで、SRT形式やVTT形式の字幕ファイルを作って納品するところまで到達できます。

大事なのは、複数のツールを比較して回るのをやめて、1本に絞ることです。独学が止まる原因の上位に「ツール選びで時間を使い切る」があります。どのソフトを使ったかは納品物の品質にほとんど影響しません。発注者が指定してこない限り、最初に触ったものを使い続けてください。

自動文字起こしは下地として使い、鵜呑みにしない

自動文字起こしは、ゼロから打ち込む時間を大幅に削ります。これを使わない理由はありません。ただし、変換結果をそのまま納品するのは絶対に避けてください。固有名詞の誤変換、同音異義語の取り違え、句点の位置ずれは必ず残ります。

特に注意が必要なのが、人名、社名、商品名、専門用語です。ここを間違えると、内容の正しさ以前に、発注者からの信頼を一度で失います。動画の中に出てくる固有名詞は、着手時に一覧化して発注者に確認を取る。この一手間が、差し戻しを防ぐ最も費用対効果の高い作業です。

音声データの取り扱いには注意する

自動文字起こしサービスに音声をアップロードするとき、そのサービスの利用規約を確認してください。無料サービスの中には、アップロードされたデータを学習に利用すると明記しているものがあります。未公開の動画、社内向けの研修動画、個人情報を含む対談などを扱う場合、これは守秘義務違反になり得ます。

つまり、外部サービスに音声を渡してよいかどうかは、発注者と事前に取り決めておくべき事項です。秘密保持契約、いわゆるNDA（エヌディーエー）を結んでいる案件では、第三者のサービスへのデータ送信が禁止されているケースがあります。契約書に「再委託の禁止」と書かれている場合、自動文字起こしサービスの利用がこれに該当するかどうかは解釈が分かれます。判断が付かないときは、必ず書面で確認してください。※契約内容が複雑な場合や、実際に紛争になっている場合は弁護士に相談してください。

手順5 練習用に1本を最後まで仕上げる

学習の締めくくりは、実際に1本を完成させることです。

素材は3分から5分の講義形式が最適

練習素材として選ぶなら、話者が1人、雑音が少なく、内容に固有名詞が適度に含まれる3分から5分の動画が向いています。長すぎると完成前に力尽き、短すぎると全体設計の練習になりません。複数人が話す対談や、屋外撮影のインタビューは難易度が跳ね上がるので、最初の1本には向きません。

作業時間の目安を持っておくと、後で単価の判断ができます。慣れないうちは、5分の動画に字幕を付けるのに2時間から3時間かかることが普通です。慣れると同じ作業が45分程度まで縮みます。この短縮の大半は、タイピング速度ではなく、迷う時間が減ったことによるものです。

完成品を1本持っておく意味

完成した1本は、実務経験がない段階での唯一の証明になります。応募時に「字幕を付けた動画を1本お見せできます」と言えるかどうかで、通過率は明確に変わります。逆に、教材を何十時間見たという話は、発注者の判断材料になりません。

ここで注意点があります。他人の動画に勝手に字幕を付けて公開すると、著作権の問題が生じます。練習に使うだけなら私的利用の範囲で問題は起きにくいのですが、実績として公開する場合は、著作権者の許諾が必要です。安全なのは、自分で撮影した動画、公的機関が二次利用を認めている素材、クリエイティブ・コモンズなど利用条件が明示された素材を使うことです。実績として見せる先が特定の発注者1社であれば、公開はせず、画面共有や限定公開のリンクで見せる方法もあります。

独学のメリットとデメリットを冷静に見る

独学とスクールのどちらがよいかという問いには、字幕づくりに限れば明確な答えがあります。

独学が向いている理由

字幕づくりは、正解が言語化されている作業です。文字数の上限、表示時間の下限、削ってよい語と残す語。これらはすべてルールとして書き下せます。ルールが明示できる技能は、独学と相性がよい。誰かに横で見てもらわないと上達しない技能、たとえば映像の構成や色の設計とは性質が違います。

加えて、初期費用がほとんどかからない点も大きい。無料ツールと手持ちのパソコンで始められ、失敗しても失うのは時間だけです。金銭的なリスクが小さい技能を、高額な費用をかけて学ぶ合理性は薄いと考えています。

独学のつまずきポイント

一方で、独学には明確な弱点があります。自分の作った字幕が実務水準に達しているかどうか、自分では判定できません。ここを埋める方法は3つあります。1つ目は、字幕付きの公的な動画と自分の成果物を並べて比較すること。2つ目は、小規模な案件を1本受けて、修正指示の内容から基準を逆算すること。3つ目は、無料で公開されている字幕ガイドラインを読み込むことです。

もう1つの弱点は、継続の難しさです。締め切りがないと学習は止まります。対策として、練習の段階から「いつまでに1本仕上げる」と期限を切ってください。学習の順番を決めることと同じくらい、期限を決めることが効きます。

在宅で受注するときに知っておくべき契約の話

ここからは、法務の相談を受けている立場から、字幕づくりを在宅の仕事にするときに必ず押さえてほしい点を書きます。技術の話より、こちらのほうが金銭的な損失に直結します。

報酬の支払期日は法律で決まっている

フリーランスとして業務委託を受ける場合、発注者側には報酬の支払期日に関する義務があります。フリーランス保護新法、正式には特定受託事業者に係る取引の適正化等に関する法律では、発注者は成果物を受け取った日から起算して60日以内のできる限り短い期間内に支払期日を定め、その期日までに報酬を支払う必要があります。つまり、「検収が終わらないから支払わない」という主張は、原則として通りません。

これ、知らない人が本当に多いんです。納品したのに支払われないという相談の多くは、法律の側からすると発注者側に問題があるケースです。ただ、実際に請求するには、いつ納品したのかを証明できる記録が必要になります。メールやチャットの履歴を消さずに残しておくこと。これが自分を守る最低限の準備です。制度の詳細は公正取引委員会が公表している資料で確認できます。

公正取引委員会

修正回数と検収基準を先に決める

字幕づくりで最も揉めるのが、修正の範囲です。「イメージと違う」という理由で何度も修正を求められ、当初の報酬に見合わない作業量になるパターンです。これを防ぐには、契約や発注のやり取りの段階で、修正回数の上限と、修正の対象範囲を決めておくことです。

具体的には、「表記ルールの誤りとタイムコードのずれについては無償で修正する。整文の方針変更や原稿内容の変更に伴う修正は、追加の作業として別途見積もる」といった形で、無償修正の範囲を限定します。ここを書面にしておくと、後から範囲外の要求が来たときに、感情論ではなく契約の話として整理できます。

検収についても同様です。何をもって合格とするのかが曖昧だと、いつまでも検収が終わりません。「納品後7日以内に検収の可否を通知する。期間内に通知がない場合は検収合格とみなす」という条項を入れておくのが一般的な実務です。

著作権と守秘義務の扱い

字幕のテキストにも著作物性が認められる場合があります。実務では、納品と同時に著作権を発注者に譲渡する、あるいは発注者に独占的な利用を許諾する形が多い。譲渡する場合は、著作者人格権を行使しない旨の条項も併せて置かれるのが通例です。

ここで注意してほしいのは、著作権を譲渡すると、その字幕を自分の実績として公開できなくなる可能性があるという点です。実績公開の可否は、契約書に明記されていないことが多い。だから、受注時に「この案件を実績として掲載してよいか」を確認しておくと、後で困りません。守秘義務が課されている案件では、案件名を伏せて業務内容だけを書く、という運用が現実的です。

先ほども触れましたが、外部の自動文字起こしサービスに音声を渡す行為が守秘義務違反にならないかは、必ず事前に確認してください。ここは実際にトラブルになった相談を受けたことがあります。法律はあなたの味方ですが、味方になってもらうには、記録と事前確認という準備が要ります。

単価と市場から逆算する学習の投資判断

学習にどれだけ時間をかけるかは、その先に見込める仕事の性質から逆算するのが合理的です。

字幕だけの案件は単価が下がりやすい

字幕づくりは、動画の尺を基準に報酬が決まることが多い作業です。作業が明確で検品しやすい分、競合も多く、単価は下がりやすい構造にあります。ここに留まり続けると、時間あたりの収入が伸びません。

伸ばし方は2つです。1つは、専門領域を持つこと。医療、法律、金融、ITといった専門用語の多い分野は、自動変換の精度が落ちるため、内容を理解して整文できる人の価値が上がります。前職や資格の知識がある分野があれば、そこを軸にするのが最短です。もう1つは、字幕の前後の工程まで引き受けること。カット編集やサムネイル制作、動画の書き出しまで対応できると、案件単位の報酬が上がります。

職種ごとの単価水準を把握したいときは、公的統計をもとに整理された相場データが参考になります。文章を扱う仕事全般の水準を見るなら著述家，記者，編集者の年収・単価相場が近い領域で、字幕づくりから文字起こしや編集方向へ広げていく場合の目安になります。映像や開発など技術寄りへ広げる場合はソフトウェア作成者の年収・単価相場のように、隣接領域の水準を並べて見ると、どちらに伸ばすと単価が動くかが判断しやすくなります。

隣接スキルの選び方

字幕づくりから広げやすい方向はいくつかあります。文章を扱う力を軸にするなら、検索から人を集める文章の設計を学ぶ道があり、学習の進め方はSEOを独学で習得するロードマップ｜初心者から実務レベルまでの学習手順で整理されている手順が参考になります。字幕づくりと同じく、ルールが言語化されていて独学と相性がよい領域です。

ビジネス文書の基本を固めたい方にはビジネス文書検定のような資格の学習範囲が役に立ちます。資格そのものが受注に直結するわけではありませんが、敬語や表記の基準を体系的に押さえられるため、整文の判断が速くなります。字幕の表記ルールと重なる部分が多い点も相性がよい理由です。

AIを使った業務効率化の相談に乗る方向へ広げるという選択肢もあります。自動文字起こしを日常的に扱う人は、AIツールの得意不得意を肌で知っている。この経験はAIコンサル・業務活用支援のお仕事のような、企業のAI活用を支援する領域でそのまま使えます。ツールを使えることより、どこで人間が手を入れるべきかを説明できることのほうが価値になります。

初心者がつまずく失敗パターン

相談を受ける中で繰り返し見てきた失敗を、5つに整理しておきます。

失敗1 ツール選びで学習が止まる

どの編集ソフトがよいかを比較して回り、結局1本も作らないまま数か月が過ぎるパターンです。対策は単純で、最初に触ったツールで1本仕上げるまで、他のツールを調べないと決めることです。ツールの差が納品品質を左右する場面は、初心者の段階ではまず来ません。

失敗2 装飾に時間をかけすぎる

色を変え、縁取りを付け、アニメーションを入れる。凝った字幕を作ると上達した気になりますが、実務で求められる字幕の大半は装飾なしです。むしろ、勝手に装飾を加えると「指定と違う」として差し戻されます。装飾は発注者の指定があるときだけ、指定どおりに行う。これが原則です。

失敗3 表記の確認を後回しにする

冒頭の相談事例がこれです。着手前に確認すれば5分で済むことを、納品後に確認したせいで数時間の作り直しになります。確認項目を定型のチェックリストにして、受注のたびに送る。この習慣を最初から作ってください。

失敗4 作業時間を計らない

自分が1本にどれだけ時間をかけたかを記録していないと、提示された報酬が割に合うかどうか判断できません。練習の段階から、開始と終了の時刻を記録してください。時間あたりいくらになるかを把握している人だけが、条件の悪い案件を断れます。

失敗5 やり取りの記録を残さない

チャットツールの無料プランでは、一定期間より前のメッセージが見られなくなることがあります。報酬や修正範囲に関する合意は、その都度メールに転記するか、スクリーンショットで保存しておいてください。揉めたときに、記録がある側が圧倒的に有利です。これは字幕づくりに限らず、業務委託全般に言えることです。

運営者の視点から見た、続く人と続かない人の差

フリーランスと在宅ワークの市場を20年運営してきた立場から、字幕づくりのような「入口が広い仕事」について気付いたことを書いておきます。

20年この市場を見てきた立場から言えば、長く続く人ほど、単発の作業をこなすことより、「この人に任せると楽だ」と思われる関係づくりに時間を使っています。字幕づくりで言えば、確認事項を先にまとめて送ってくる人、固有名詞の一覧を自分から作って提示してくる人、納品時に「ここは判断に迷ったので2案作りました」と添えてくる人。こうした人は、次の案件でも指名されます。作業の速さや装飾の巧さで指名される人は、実はそれほど多くありません。

もう1つ、額面と手取りの話をしておきます。動画制作の仕事は、複数の会社を経由して届くことが珍しくありません。間に入る事業者が増えるほど、依頼者が出した予算のうち、実際に作業する人に届く割合は薄くなります。中間のマージンが乗らない直接のやり取りであれば、同じ予算で依頼者はより多くの作業を頼めますし、受け手の手取りは厚くなる。運営者として見てきた限りでは、この構造の差は、単価交渉の巧拙より大きく効きます。手数料0%という条件が意味を持つのは、金額そのものより、同じ仕事をして手元に残るものが違ってくるという質の部分です。

在宅の仕事を探すとき、案件の本数や見た目の単価に目が行きがちですが、実際に手元に残る額と、次につながる関係が作れるかどうかを見たほうが、結果として長く続きます。

学習の順番を実務データから考える

最後に、字幕づくりを在宅の仕事にしていく道筋を、周辺の職種データと照らして整理します。

在宅で成立している仕事を職種別に並べると、共通しているのは「成果物の合否が明確」という点です。字幕づくりはその典型で、だから未経験でも入口に立てます。同じ性質を持つ職種として、法律事務所の書類作成を担うパラリーガルの働き方があります。法律事務所のパラリーガルの働き方｜在宅・時短勤務の現状【2026年版】では、書式が決まっている業務が在宅に移りやすい構造が整理されており、字幕づくりが在宅化した理由と重なります。

同じく、社会保険や労務の手続き業務も在宅との相性がよい領域です。社労士（社会保険労務士）資格を活かした在宅副業案件【2026年版】を見ると、専門知識を持つ人が特定の工程だけを請け負う形が定着していることがわかります。字幕づくりで専門領域を持つべきだと先に書いたのは、この構造が背景にあります。専門用語を正確に扱える人は、工程を切り出して任せてもらいやすい。

技術寄りに広げるなら、アプリケーション開発のお仕事やAI・マーケティング・セキュリティのお仕事のように、扱う情報の機密性が高い領域では、守秘義務の運用ができることが選考の条件になります。字幕づくりで未公開動画を扱ってきた経験は、この点で説明材料になります。ネットワークやセキュリティの基礎知識を証明したい場合はCCNA（シスコ技術者認定）のような資格が使われますが、字幕づくりから直接この方向へ進む必要はありません。

学習の順番の話に戻ります。表記ルール、整文、タイムコード、ツール操作、装飾。この順で進め、最初の1本を仕上げたら、次は専門領域を1つ決める。その領域の用語集を作り、その分野の動画で練習する。ここまで来ると、単価の話ができる位置に立てます。手を付ける順番を間違えなければ、字幕づくりは独学で在宅の仕事に届く技能です。そして、技能が届いた後に自分を守るのは、契約の知識と、やり取りの記録です。法律はあなたの味方ですが、味方に働いてもらうための準備は、自分でしておく必要があります。