文章・資料 / Whisper
会議の録音を、読み返せる文字にする
手元の音声から文字起こしの下書きを作れます。発言の要約や話者の特定は別の作業です。
録音を聞き直しながら議事録を作る人に。聞き間違いを直す時間は残しておきます。
準備の目安:30〜60分。初回のモデル取得と処理時間は回線・PC・音声の長さで変わります。実測値ではありません。
使う前に確認すること
- 無料の範囲
- 公開コードとモデルを自分のPCで利用する方式。ソフトの利用料は不要です。
- ライセンス
- MIT(コードとモデルの重み)
- 商用利用
- MITの条件下で利用できます。録音の利用許可は別途必要です。
- 対応環境
- PythonとFFmpegが必要。公式READMEにWindows・macOS・Linux向けの準備案内があります。
手で入れて試す手順
- 公式GitHubのSetupを開き、OSに合うPythonとFFmpegの準備方法を読みます。モデルを保存できる空き容量も見ます。
- 専用のPython仮想環境(ほかの作業と必要なソフトを分けて管理する環境)を作成して有効化し、その中で下のコマンドを実行します。共有のPython環境は変更しません。
pip install -U openai-whisper - 許可のある短い録音を sample.wav として作業フォルダへコピーします。日本語には英語専用の .en モデルを選びません。
- 作業フォルダで下のコマンドを実行します。初回はモデル取得が発生します。
whisper sample.wav --model base --language Japanese --task transcribe --output_format txt --output_dir result - result内のテキストを開き、録音と照らして人名・数字・無音部分を直します。聞き取れない箇所は推測で埋めず、時刻とともに残します。
Claude Code に貼る指示文
公式URL:https://github.com/openai/whisper Whisperで、利用許可のある日本語録音を手元で文字起こししたいです。まずOS、Python、FFmpeg、空き容量を読み取りだけで調べてください。公式READMEとライセンスを読み、導入コマンド、モデル容量、保存先、必要な通信を説明し、承認を待ってください。承認後は専用環境を作り、私が指定した短い音声のコピー1本だけをbaseモデル・日本語指定で処理してください。元ファイルを変更せず、結果は新しいフォルダへ保存してください。音声を外部APIへ送信しないでください。誤認識を直す箇所と、実行した処理・停止方法を最後に示してください。
仕事で使う例
架空の業務・データを使った例です。
架空の「みどり広場実行委員会」の佐藤さんの例:地域イベントの準備会で、許可を得て録音した5分の担当確認を文字にします。担当者名と締切を録音に戻って直し、最後に人が「担当/作業/期限」の表へ転記します。文字起こしをそのまま決定事項として配りません。
ほかの候補
- whisper.cpp
同じWhisper系モデルをC/C++実装で使いたい場合の候補。導入手順と対応機器を比較します。
出典
料金やライセンス、導入方法は変更される場合があります。利用前に各公式ページをご確認ください。