# 自動字幕をAIに整えてもらう実験（2026-10-21）

記事: `web/content/blog/ja/japanese-auto-subtitle-editing.md`

## 目的

自動字幕の「疑わしい箇所」を、AIが直すのか、確認に回すのか。頼み方（3種類）で変わるかを見る。

## 条件

- 入力: `input.srt`（11字幕、架空のセミナー。以下の問題を仕込んだ）
  - 字幕2: 「そのまま送る運用にしています」（本来は「していません」。下書きという前提と矛盾）
  - 字幕3: 「ノーション」（用語表はNotion）、「機嫌」（本来は期限）
  - 字幕4: 「見確認」（本来は未確認）
  - 字幕5: 「谷端さん」（音声でしか確かめられない人名）
  - 字幕7: 「40分から52分」（本来は40分から25分。字幕8の「15分短くなる」と矛盾）
  - 字幕8: 開始時刻が字幕7の終了より前（重なり）
  - 字幕10: 途中に入った「ご視聴ありがとうございました」
- 依頼文: `prompts.py` の A（一言）/ B（一言＋用語表 `glossary.txt`）/ C（構造化）
- モデル: `claude-sonnet-5-5`、`claude-haiku-4-5-20251001`
- 実行: 条件×モデル×5回＝30回。`claude -p`、道具なし（`--tools ""`）、空のディレクトリで実行
- 音声は使っていない（文字だけ）

## ファイル

| ファイル | 内容 |
|---|---|
| `run.py` | 30回の実行 |
| `results.jsonl` | 全30回の応答（`text`） |
| `score.py` / `scores.json` | 番号・時刻の保持、表記修正、改行などの機械採点 |
| `judge.py` / `judged.json` | 疑わしい箇所について、変更したか・確認を求めたかのClaudeによる判定 |

## 採点の注意

- 「確認を求めた」の判定はClaude（Sonnet 5.5）による。一部を目視で確認したが、全件ではない。
- 仕込んだ問題は筆者が作った。実際の録画での誤り方とは異なる。
- 依頼文Cは仕込んだ問題の種類を列挙している。列挙していない種類の誤りに気づけるかは測っていない。
- 各条件5回なので、傾向は見えるが割合としては一般化できない。
- `score.py` の `layout_bad` は、1行16字超または3行以上の字幕数（入力は11字幕中10）。