WEBVTT（Web Video Text Tracks）フォーマットの字幕ファイルから生成AIに最適な会話文形式のファイルに変換する

WEBVTT

00:00:00.000 --> 00:00:02.500
<v Alice>こんにちは、Bob。今日はいい天気ですね。</v>

00:00:02.700 --> 00:00:05.200
<v Bob>ああ、Alice。本当にそうですね。散歩日和です。</v>

00:00:05.400 --> 00:00:08.900
<v Alice>そうですね。ところで、今週末の会議の準備はどうですか？</v>

00:00:09.100 --> 00:00:12.600
<v Bob>ほぼ終わっています。あとは資料の最終確認だけです。</v>

00:00:12.600 --> 00:00:13.600
<v Bob>私は天才です。</v>

00:00:13.800 --> 00:00:17.300
<v Alice>さすがですね。私もあと少しで終わりそうです。</v>

00:00:17.500 --> 00:00:21.000
<v Bob>よかったです。では、会議で会いましょう。お疲れ様です。</v>

00:00:21.200 --> 00:00:23.700
<v Alice>はい、お疲れ様です。また来週。</v>

import sys
import re

def clean_speaker_name(name):
    # 姓名から姓のみを取り出す（例：'山田 太郎' -> '山田'）
    return name.split()[0]

def convert_vtt_to_dialogue(input_file):
    # 出力ファイル名を生成
    output_file = input_file.rsplit('.', 1)[0] + '.txt'

    # 会話データを保持する変数
    dialogues = []
    current_speaker = None
    current_text = []

    try:
        with open(input_file, 'r', encoding='utf-8') as f:
            for line in f:
                # 空行、WEBVTT、タイムスタンプ、ID行をスキップ
                line = line.strip()
                if (not line or 
                    line == 'WEBVTT' or 
                    '-->' in line or 
                    re.match(r'^[0-9a-f-]+/\d+-\d+$', line)):
                    continue

                # タグ形式の行を解析
                match = re.match(r'<v ([^>]+)>(.*)</v>', line)
                if match:
                    speaker = clean_speaker_name(match.group(1))
                    text = match.group(2).strip()

                    # 新しい話者の場合
                    if speaker != current_speaker:
                        # 前の話者の内容を保存
                        if current_speaker and current_text:
                            dialogues.append(f"{current_speaker}：{''.join(current_text)}\n")
                        current_speaker = speaker
                        current_text = [text]
                    else:
                        # 同じ話者の場合は内容を追加
                        current_text.append(' ' + text)

        # 最後の会話を追加
        if current_speaker and current_text:
            dialogues.append(f"{current_speaker}：{''.join(current_text)}\n")

        # ファイルに書き出し
        with open(output_file, 'w', encoding='utf-8') as f:
            for dialogue in dialogues:
                f.write(dialogue + '\n')

        print(f"変換が完了しました。出力ファイル: {output_file}")

    except Exception as e:
        print(f"エラーが発生しました: {str(e)}")
        sys.exit(1)

if __name__ == "__main__":
    if len(sys.argv) != 2:
        print("Usage: python script.py input.vtt")
        sys.exit(1)

    input_file = sys.argv[1]
    convert_vtt_to_dialogue(input_file)

% python vtt2text.py sample.vtt
変換が完了しました。出力ファイル: sample.txt
処理した会話の数: 6

Alice：こんにちは、Bob。今日はいい天気ですね。

Bob：ああ、Alice。本当にそうですね。散歩日和です。

Alice：そうですね。ところで、今週末の会議の準備はどうですか？

Bob：ほぼ終わっています。あとは資料の最終確認だけです。 私は天才です。

Alice：さすがですね。私もあと少しで終わりそうです。

Bob：よかったです。では、会議で会いましょう。お疲れ様です。

Alice：はい、お疲れ様です。また来週。