python --version
pip --version

pip install groq python-dotenv

GROQ_API_KEY=""

import os
import time
from groq import Groq
from dotenv import load_dotenv
 
# .envファイルから環境変数を読み込む
load_dotenv()
 
# --- 設定項目 ---
# 1. 音声ファイルが入っているフォルダのパス
AUDIO_DIR = r"C:\your\audio\folder"
 
# 2. 文字起こし結果を保存するフォルダのパス
TRANSCRIPT_DIR = os.path.join(AUDIO_DIR, "transcripts")
# ----------------
 
# Groqクライアントの初期化
try:
    client = Groq(api_key=os.environ.get("GROQ_API_KEY"))
    if not client.api_key:
        raise ValueError("APIキーが設定されていません。.envファイルを確認してください。")
except Exception as e:
    print(f"[致命的なエラー] Groqクライアントの初期化に失敗しました: {e}")
    exit()
 
# 出力用フォルダがなければ作成
os.makedirs(TRANSCRIPT_DIR, exist_ok=True)
 
def transcribe_audio_file(audio_path, output_path):
    """音声ファイルを文字起こしする関数"""
    filename = os.path.basename(audio_path)
    
    try:
        start_time = time.time()
        # ファイルをバイナリモードで開いてAPIに渡す
        with open(audio_path, "rb") as file:
            transcription = client.audio.transcriptions.create(
                file=(filename, file.read()),
                model="whisper-large-v3-turbo",
                response_format="verbose_json",
                language="ja"
            )
        
        # 結果をテキストファイルに書き込む
        with open(output_path, "w", encoding="utf-8") as f:
            f.write(f"# {filename} の文字起こし結果\n\n")
            for segment in transcription.segments:
                start = segment['start']
                end = segment['end']
                text = segment['text']
                start_str = time.strftime('%H:%M:%S', time.gmtime(start)) + f".{int((start % 1) * 1000):03d}"
                end_str = time.strftime('%H:%M:%S', time.gmtime(end)) + f".{int((end % 1) * 1000):03d}"
                f.write(f"[{start_str} -> {end_str}] {text.strip()}\n")
        
        end_time = time.time()
        print(f"-> 完了: {os.path.basename(output_path)} に保存しました。(処理時間: {end_time - start_time:.2f}秒)")
        return True
        
    except Exception as e:
        print(f"-> [エラー] {filename} の処理中にエラーが発生しました: {e}")
        return False
 
# メイン処理
if __name__ == "__main__":
    # 処理対象の音声ファイルリストを取得
    try:
        audio_files = sorted([f for f in os.listdir(AUDIO_DIR) if f.lower().endswith(('.mp3', '.wav', '.m4a', '.flac'))])
        total_files = len(audio_files)
        if total_files == 0:
            print(f"[情報] {AUDIO_DIR} に音声ファイルが見つかりませんでした。")
            exit()
        print(f"合計 {total_files} 個の音声ファイルを検出しました。処理を開始します。")
    except FileNotFoundError:
        print(f"[エラー] 音声ファイルフォルダが見つかりません: {AUDIO_DIR}")
        exit()
 
    # 各ファイルを処理
    success_count = 0
    for i, filename in enumerate(audio_files):
        audio_path = os.path.join(AUDIO_DIR, filename)
        transcript_filename = os.path.splitext(filename)[0] + ".txt"
        transcript_path = os.path.join(TRANSCRIPT_DIR, transcript_filename)
 
        print("-" * 50)
        print(f"[{i + 1}/{total_files}] ファイルを処理中: {filename}")
 
        # すでに文字起こし済みの場合はスキップ
        if os.path.exists(transcript_path):
            print("-> スキップ: このファイルは既に文字起こし済みです。")
            continue
 
        # ファイルサイズのチェック (Groqの推奨上限は100MB)
        file_size_mb = os.path.getsize(audio_path) / (1024 * 1024)
        if file_size_mb > 100:
            print(f"-> [警告] ファイルサイズが100MBを超えています ({file_size_mb:.2f} MB)。スキップします。")
            continue
 
        # 文字起こし実行
        if transcribe_audio_file(audio_path, transcript_path):
            success_count += 1
 
        # APIへの連続リクエストを避けるための短い待機
        time.sleep(1)
 
    print("-" * 50)
    print(f"\n全ての処理が完了しました。成功: {success_count}/{total_files}")

AUDIO_DIR = r"C:\Users\YourName\Documents\audio_files"

python groq_transcribe.py

transcription = client.audio.transcriptions.create(
    file=(filename, file.read()),
    model="whisper-large-v3-turbo",
    response_format="verbose_json"
    # language="ja" を削除
)

transcription = client.audio.transcriptions.create(
    file=(filename, file.read()),
    model="whisper-large-v3-turbo",
    response_format="text",
    language="ja"
)
 
# シンプルなテキスト出力
with open(output_path, "w", encoding="utf-8") as f:
    f.write(transcription)

transcription = client.audio.transcriptions.create(
    file=(filename, file.read()),
    model="whisper-large-v3-turbo",
    response_format="srt",
    language="ja"
)

# 音質を下げて容量を削減
ffmpeg -i input.mp3 -b:a 64k output.mp3
 
# モノラルに変換してサイズを半分に
ffmpeg -i input.mp3 -ac 1 output.mp3

import concurrent.futures
import threading
 
# 同時実行数を制限（APIレート制限を考慮）
MAX_WORKERS = 3
 
def process_files_parallel(audio_files):
    with concurrent.futures.ThreadPoolExecutor(max_workers=MAX_WORKERS) as executor:
        futures = []
        for filename in audio_files:
            # 処理をスレッドプールに投入
            future = executor.submit(transcribe_audio_file, filename)
            futures.append(future)
        
        # 完了を待機
        for future in concurrent.futures.as_completed(futures):
            result = future.result()