8k39blog
【Whisper】音声ファイルを文字起こしする
アプリケーション

【Whisper】音声ファイルを文字起こしする

Whisper-v3-largeを使い、ドラッグ&ドロップで簡単に音声ファイルを文字起こしする

8k39

8k39

公開日: 2025年9月29日

タグ

#備忘録#Python#Whisper#AI#文字起こし#音声認識

【Whisper】音声ファイルを文字起こしする

はじめに

※この記事ではWindows環境前提で作成しました。

音声ファイルの文字起こしを行いたい場合、GroqCloudのようなクラウドサービスを使用する方法もありますが、ローカル環境で処理したい場合もあります。

大きいファイルはクラウドサービスを使用する事でPCを付けっぱなしにする必要もなく、より高速で処理できます。

事前準備

必要な環境

  • Python 3.8以上
  • FFmpeg

インストール手順

1. 必要なライブラリのインストール

python、pipがインストールされている事を確認するためにバージョン確認を行う。

python --version
pip --version

バージョンが書かれていたら依存関係をインストールする。

# PyTorchのインストール（CUDA版）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
 
# Whisperのインストール
pip install openai-whisper
 
# その他の依存関係
pip install ffmpeg-python

2. FFmpegのインストール

Whisperは音声ファイルの変換にFFmpegを使用します。

自動インストール（推奨）

# Windows（Chocolatey使用）
winget install ffmpeg

Wingetを使用することでパスまで自動で通してくれます。

一応インストール後はターミナルでバージョン確認を行って、パスが通ってるか確認する。

ffmpeg -version

スクリプトのダウンロード

ドラッグ&ドロップで処理できるBATファイルも配布しています：

Whisper-bat - GitHub Repository

使用方法

1. 使い方

whisper_drag_drop.batに音声ファイルをドラッグ&ドロップすると処理が開始されます。

完了すると変換元ファイルと同じフォルダに_transcript.txtファイルが生成されます。

参考リンク