動画や音声データから「あー」「えー」を秒で消す【adobe premire pro】 #Adobe – Qiita

最初特に設定を変更せず文字起こしを行うと、「フィラー音声」の識別は５０％くらいな感じがしました。結構残ってるじゃん～残念、という感じ。

ただ、文字起こしオプションで、抽出の長さの時間を調整できます。
https://cgworld.jp/regular/202402-tipsnote.html

デフォルト値は「0.75」だったんですが、これを「0.3」ほどにすると、ほとんどの「フィラー音声」は切り取られました。

ただ、話をする中で「一呼吸おく」シーンって結構多いんですが、ここも漏れなく認識されてしまうので、実際に「フィラーワード」と「語感」を削除する際は、一括削除ではなく、選択して削除するか、一括削除して余白を入れるか、というひと手間は必要だなと感じました。
（0.5でも、若干残ってるなって感じは否めないでした。もう少し微調整したらうまくいくかも）

部分削除もできるので語感を多少残したい場合は、聞きながら部分削除していくのが良さそうです。

▼0.4にした場合。[・・・]の箇所が増えて、音声で聞くとほぼフィラーは消えています

▼フィラー（語間）を消した後の音声データ。
ぶつぶつに切れてるのがフィラーを消した証拠です。これ手動でやるのは気が遠くなる…

かなり使えるな！（流石adobeや）という感じ。精度はかなり高いです。
今までこのフィラー音声の削除に数時間かかっていたんですが、テストで試してみたのも数分だったので作業効率は各段に上がった感じがします。それだけでも月額数千円払う価値はありますね。

また文字起こししたデータでキャプションの自動作成もできるので、動画作成も割と簡単にできるのでは？と期待値が膨らみました。

この短縮された時間で、もっと楽しく濃厚なコンテンツ配信を行っていきたいです💛