SRTを.vttに改名すると字幕が出ない理由 カンマと桁数の規則

SRT と WebVTT はどちらも「開始 –> 終了」の行と本文を並べるだけの字幕形式で、見た目はほとんど同じである。そのため SRT ファイルの拡張子を .vtt に変えて <track> に渡したくなるが、Chrome ではこれで字幕が1つも出ない。ヘッダを足しても、タイムコードのカンマが残っていればその cue は黙って捨てられる。

この記事では、ハシトシステムの 字幕タイミング調整 が SRT と WebVTT を相互変換するときに直している点を例に、WebVTT のパーサがどの書き方を捨てるかを確かめる。

検証環境は Windows 11、Node.js v24.11.1、ブラウザは Chromium 156(UA の Chrome/156.0.8078.100)である。

仕様ではどう決まっているか

WebVTT の仕様は W3C の「WebVTT: The Web Video Text Tracks Format」(Candidate Recommendation Draft、2026年5月20日版)である。

タイムコードの書式

4.1 の構文では、WebVTT のタイムスタンプは次の形に決まっている。

  • 時は省略できる。書くなら2桁以上(9999:00:00.000 のように3桁以上も可)
  • 分と秒はちょうど2桁で、00〜59
  • 小数点はピリオド(U+002E FULL STOP)
  • 小数部は3桁(ミリ秒)

SRT は小数点がカンマで(00:00:01,500)、時を省略しない。違いはこの2点だけだが、カンマは WebVTT では構文違反になる。MDN の WebVTT 形式のページも、タイムスタンプを mm:ss.ttt と hh:mm:ss.ttt の2通りとし、ミリ秒は 000〜999 と書いている。

パーサは違反をどう扱うか

6.3 の「collect a WebVTT timestamp」アルゴリズムは、構文より寛容な部分と厳しい部分がある。

  • 時の省略は受け付ける(最初の数字の並びが2桁で59以下なら分として読む)
  • 小数点の位置にピリオド以外の文字があれば、エラーを返して終わる。カンマはここで落ちる
  • 小数部がちょうど3文字でなければ、エラーを返して終わる
  • 最初の数字の並びが2桁でないときは「時」として読み、続くコロンと2桁の分・秒を要求する。0:05.000 のように分が1桁だと、時として読んだあとピリオドが来て失敗する

タイムスタンプが失敗すると、cue のタイミング行の読み取り(collect WebVTT cue timings and settings)が失敗し、6.1 のブロック読み取りではその cue が null になる。null の cue は cue のリストに追加されない。つまりファイル全体はエラーにならず、書式の合わない cue だけが消える。

一方、ファイルの先頭が WEBVTT で始まらないときは、6.1 のパーサが最初の段階で処理を打ち切る。こちらはファイル全体が読まれない。

実際に試す

Node.js の標準モジュールだけで動く検証サーバを使う。同じ3つの字幕を書き方だけ変えた6種類の .vtt を配り、1つの <video> に <track> として並べ、ブラウザが読み取った cue を画面に書き出す。

前提は Node.js 18 以降(node:http を使う)。確認は Node.js v24.11.1 で行った。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
// server.js
// 使い方: node server.js → http://localhost:8788/ をブラウザで開く
const http = require('node:http');

// 同じ3つの字幕を、書き方だけ変えて用意する
const files = {
'ok': 'WEBVTT\n\n00:00:01.000 --> 00:00:02.000\nA\n\n00:00:03.000 --> 00:00:04.000\nB\n\n00:00:05.000 --> 00:00:06.000\nC\n',
'no-hours': 'WEBVTT\n\n00:01.000 --> 00:02.000\nA\n\n00:03.000 --> 00:04.000\nB\n\n00:05.000 --> 00:06.000\nC\n',
'comma': 'WEBVTT\n\n00:00:01,000 --> 00:00:02,000\nA\n\n00:00:03.000 --> 00:00:04.000\nB\n\n00:00:05,000 --> 00:00:06,000\nC\n',
'frac-2': 'WEBVTT\n\n00:00:01.00 --> 00:00:02.00\nA\n\n00:00:03.000 --> 00:00:04.000\nB\n\n00:00:05.5 --> 00:00:06.5\nC\n',
'min-1': 'WEBVTT\n\n00:0:01.000 --> 00:0:02.000\nA\n\n00:00:03.000 --> 00:00:04.000\nB\n\n0:05.000 --> 0:06.000\nC\n',
'srt-as-is': '1\n00:00:01,000 --> 00:00:02,000\nA\n\n2\n00:00:03,000 --> 00:00:04,000\nB\n\n3\n00:00:05,000 --> 00:00:06,000\nC\n',
};

const page = `<!doctype html><meta charset="utf-8"><title>vtt</title>
<video id="v">
${Object.keys(files).map((n) => `<track id="${n}" kind="subtitles" src="/${n}.vtt">`).join('\n')}
</video>
<pre id="out"></pre>
<script>
const v = document.getElementById('v');
for (const t of v.textTracks) t.mode = 'hidden';
setTimeout(() => {
const lines = [];
for (const el of v.querySelectorAll('track')) {
const cues = [...(el.track.cues || [])].map((c) => c.startTime + '-' + c.endTime + ':' + c.text);
lines.push(el.id + ' readyState=' + el.readyState + ' cues=' + cues.length + ' [' + cues.join(', ') + ']');
}
document.getElementById('out').textContent = lines.join('\\n');
}, 1000);
</script>`;

http.createServer((req, res) => {
const m = /^\/(.+)\.vtt$/.exec(req.url);
if (m && files[m[1]] !== undefined) {
res.writeHead(200, { 'Content-Type': 'text/vtt; charset=utf-8' });
return res.end(files[m[1]]);
}
res.writeHead(200, { 'Content-Type': 'text/html; charset=utf-8' });
res.end(page);
}).listen(8788, () => console.log('http://localhost:8788/'));
1
2
$ node server.js
http://localhost:8788/

<track> は mode が disabled のままだと読み込まれないので、スクリプトで全部を hidden にしている。動画の src が無くても、字幕ファイルの読み込みと解析は行われる。

Chromium 156 で開くと、画面には次のように出た。

1
2
3
4
5
6
ok readyState=2 cues=3 [1-2:A, 3-4:B, 5-6:C]
no-hours readyState=2 cues=3 [1-2:A, 3-4:B, 5-6:C]
comma readyState=2 cues=1 [3-4:B]
frac-2 readyState=2 cues=1 [3-4:B]
min-1 readyState=2 cues=1 [3-4:B]
srt-as-is readyState=3 cues=0 []

readyState は HTMLTrackElement の状態で、2 が LOADED、3 が ERROR である。

ファイル 書き方 残った cue
ok 00:00:01.000 3つとも
no-hours 00:01.000(時を省略) 3つとも
comma A と C だけ 00:00:01,000 B だけ
frac-2 A は .00、C は .5 B だけ
min-1 A は 00:0:01.000、C は 0:05.000 B だけ
srt-as-is SRT そのまま(WEBVTT 行なし) なし(ERROR)

comma・frac-2・min-1 はどれも LOADED で、エラーにはなっていない。書式の合わない cue だけが消え、正しい B は残る。仕様 6.3 と 6.1 のとおりの動きである。srt-as-is だけはファイル全体が ERROR になり、cue は0個だった。

字幕の一部だけが表示されないとき、ファイルが読めていないのではなく、その cue のタイムコードだけが書式違反になっている可能性がある。SRT 由来のファイルでは、カンマの置換漏れと、手で直した箇所の桁数を最初に疑うとよい。

字幕タイミング調整での扱い

ハシトシステムの 字幕タイミング調整 で同じ入力を変換したときの出力を、2026-11-20 に本番ページで確かめた。

SRT から WebVTT へ

上の srt-as-is と同じ SRT を入れて出力形式を WebVTT にすると、出力は次のようになる。

1
2
3
4
5
6
7
8
9
10
WEBVTT

00:00:01.000 --> 00:00:02.000
A

00:00:03.000 --> 00:00:04.000
B

00:00:05.000 --> 00:00:06.000
C

WEBVTT 行を足し、カンマをピリオドにし、SRT の通し番号の行を外している。WebVTT では cue の前の1行は cue の識別子として扱われるので、番号を残しても読めはするが、ツールは捨てている。

桁数の足りないタイムコード

ツールの読み取りはブラウザより寛容で、時の省略、1〜2桁の分と秒、1〜3桁の小数を受け付ける。小数は桁数に合わせて桁を補う(.5 は 500 ミリ秒、.25 は 250 ミリ秒)。00:0:01.5 --> 00:0:02.25 を入れると、出力は次のとおりだった。

1
2
3
4
WEBVTT

00:00:01.500 --> 00:00:02.250
A

ブラウザなら捨てる cue を、仕様どおりの2桁の分と3桁の小数に書き直して出す。手で編集して桁が崩れたファイルを一度通すと、上の frac-2 や min-1 のような消え方を防げる。

前へずらして0秒より前に出た cue

全体を前へずらすと、先頭の cue が0秒より前に出ることがある。ツールは負のタイムコードを0秒で止め、止めた数を「0秒で止めたキュー」として表示する。開始 0.5 秒・終了 1.5 秒の cue を -2 秒ずらすと、開始も終了も0秒になり、出力は 00:00:00,000 --> 00:00:00,000 だった。

長さ0の cue を Chromium 156 に WebVTT で読ませると、cue は捨てられずに 0-0 として残った。表示される時間は0秒なので、実質的には見えない字幕になる。この表示が出たら、その cue を消すか、ずらす量を見直す。

フレームレートの違いによるずれ

字幕が冒頭では合っていて後半ほどずれるときは、ずらす量ではなく速さが違う。たとえば 23.976fps の映像に合わせた字幕を、25fps に速めて再生する版(PAL 方式)に使う場合などである。ツールの「元のフレームレート」と変換先に数値を入れると、元を変換先で割った倍率を全部のタイムコードに掛ける。

元を 25、変換先を 23.976 にした場合、倍率は 1.042709 と表示され、タイムコードは次のように伸びた。

元のタイムコード 変換後
00:00:10,000 00:00:10,427
01:00:00,000 01:02:33,754
01:50:00,000 01:54:41,882

冒頭では 0.4 秒しか違わないが、1時間50分の位置では4分以上離れる。一定量ずらすだけでは直らない理由がこの表で分かる。

まとめ

  • WebVTT のタイムコードは、小数点がピリオド、小数部が3桁、分と秒が2桁でなければならない。時は省略できる。
  • Chromium 156 は、書式の合わないタイムコードの cue だけを黙って捨てた。ファイルは LOADED のままで、エラーにはならない。
  • WEBVTT 行の無いファイルは、cue を1つも読まずに ERROR になった。SRT の拡張子を変えるだけでは使えない。
  • SRT から作るときは、ヘッダの追加、カンマの置換、桁数の正規化をまとめて行う変換を通す。字幕の後半ほどずれるときは、ずらす量でなくフレームレートの倍率を疑う。

結果は 2026-11-20 時点の上記の環境と、字幕タイミング調整の本番ページで得たものである。

参考

  • W3C「WebVTT: The Web Video Text Tracks Format」Candidate Recommendation Draft(2026年5月20日)4.1 WebVTT file structure、6.1 WebVTT file parsing、6.3 collect a WebVTT timestamp / collect WebVTT cue timings and settings
  • MDN Web Docs「Web Video Text Tracks Format (WebVTT)」のタイムスタンプとヘッダの説明
  • Chromium 156(Chrome/156.0.8078.100)での上記 server.js による実測
  • ハシトシステム 字幕タイミング調整の本番ページ(2026-11-20 確認)

SRTを.vttに改名すると字幕が出ない理由 カンマと桁数の規則
https://blog.hashito.biz/2026/11/20/srt-to-webvtt-rename-cues-dropped-comma-three-digit-fraction/
著者
hashito
作成日
2026年11月20日
著作権