Whisperで無料の文字起こし環境を作る|ローカル実行なら会議音声が社外に出ない

kento_morota 5分で読めます
社内のAI・IT活用、技術がわかる相手に無料相談。 相談 →
目次

「会議の文字起こしをAIサービスに任せたいが、経営会議や顧客との商談の音声をクラウドにアップロードするのは抵抗がある」——文字起こしサービスが普及した今、かえって増えている悩みです。月額課金のサービスコストも、利用者が増えれば無視できません。

この悩みは、OpenAIが公開している音声認識モデルWhisper(ウィスパー)を自社のPCで動かすことで解決できます。オープンソースなので利用料は無料、そして音声データが一切社外に出ません。この記事では、Whisperをローカルで動かす手順と、実務で使える精度に近づけるコツを解説します。

Whisperとは?無料で使える高精度音声認識モデル

WhisperはOpenAIが2022年に公開した音声認識モデルで、日本語を含む多言語の文字起こしに対応しています。重要なのは、ChatGPTのようなクラウドサービスとしてだけでなく、モデル本体が公開されており、自分のPCにダウンロードして完全オフラインで実行できることです。

クラウドの文字起こしサービスと比べたときの違いは明確です。

  • 費用:モデルもソフトも無料。かかるのはPCの電気代のみ
  • セキュリティ:音声がPCから出ないため、機密会議・商談・人事面談も安心して処理できる
  • 制限なし:月間の時間制限や従量課金を気にせず、何時間でも文字起こしできる

モデルサイズの選び方:日本語なら「medium」以上が目安

Whisperにはサイズ違いのモデルが用意されており、大きいほど高精度・低速になります。

  • tiny / base:非常に高速だが日本語精度は低め。動作確認向け
  • small:実用レベルの入口。はっきりした音声なら十分
  • medium:日本語の業務利用で最初に試すべきバランス型(VRAM約5GB)
  • large-v3:最高精度(VRAM約10GB)。専門用語が多い会議や複数人の議論に

GPUがあれば、1時間の会議音声をmediumモデルでおおよそ5〜15分で文字起こしできます。CPUのみでも動作しますが処理時間は大きく伸びるため、日常的に使うならGPU搭載PCをおすすめします。必要なスペック感はローカルLLMに必要なPCスペックの考え方がそのまま参考になります。

導入手順:3ステップで今日から使える

ステップ1:インストール

Python環境があれば1行です。

pip install openai-whisper

あわせて音声処理ライブラリのffmpegが必要です(macOSなら brew install ffmpeg、Windowsなら公式サイトから導入)。なお、CPU中心で速度を稼ぎたい場合は軽量実装のwhisper.cppやfaster-whisperという選択肢もあります。まずは本家Whisperで始めるのが簡単です。

ステップ2:文字起こしの実行

録音ファイル(wav / mp3 / m4a など)を指定して実行します。

whisper meeting_recording.m4a --model medium --language ja --output_format txt

これだけで、同じフォルダにテキストファイルが出力されます。--output_format srt にすればタイムスタンプ付きの字幕形式でも出力でき、「どの発言が何分ごろか」を追いたい議事録に便利です。

ステップ3:精度を上げる録音のコツ

Whisperの実務精度は、モデルサイズよりも録音品質で決まる部分が大きいです。次の3点だけで結果が大きく変わります。

  • マイク(スマホでも可)を会議室の中央に置く
  • 発言はなるべく一人ずつ。かぶった発言は精度が落ちる
  • 空調の真下や窓際など、雑音源のそばを避ける

発展:ローカルLLMと組み合わせて「議事録の全自動化」へ

文字起こしはあくまで素材です。ここにローカルLLMを組み合わせると、「録音 → 文字起こし → 決定事項・担当・期限の形式に要約」までを、すべて社内のPCだけで完結させられます。会議の機密情報がどの段階でも外部に出ない、これが企業にとってのこの構成の最大の価値です。

具体的なプロンプト設計や運用フローはローカルLLMで議事録・要約を自動化する方法で詳しく解説しています。まずクラウドAIで議事録づくりの型を作りたい方は議事録作成をAIに任せる方法から読むのがおすすめです。

まとめ:無料・セキュア・無制限の文字起こしは自社PCで作れる

Whisperのローカル実行は、「文字起こしサービスの月額費用」と「音声を社外に出す不安」を同時に解消します。導入はpipで1行、必要なのはそこそこのPCと正しい録音習慣だけ。まず直近の定例会議1本で試し、精度に手応えを得てから議事録の自動化へ広げていくのが現実的な進め方です。

「自社のPC環境で動くか確認したい」「議事録の自動化までまとめて設計してほしい」という方は、当社のIT顧問・AI導入支援でご相談ください。要件整理から構築・定着まで伴走します。

#Whisper#文字起こし#議事録#ローカルLLM#音声認識

Harmonic Society

この記事の内容、自社の業務でも活かせそうですか?

ローカルLLM・AI・クラウドなどの技術導入を、要件整理からPoC・社内展開まで代表エンジニアが伴走します。オンライン対応・全国OK。まずは30分の無料相談から。売り込みはしません。

共有:
無料メルマガ

週1回、最新の技術記事をお届け

AI・クラウド・開発の最新記事を毎週月曜にメールでお届けします。登録は無料、いつでも解除できます。

プライバシーポリシーに基づき管理します

Harmonic Society

「読んで終わり」にせず、自社の業務で試してみませんか?

AI・ローカルLLM・クラウドの導入を、要件整理からPoC・社内展開まで代表エンジニアが伴走します。オンライン対応・全国OK・売り込みなし。

無料・30分・オンラインOK|1営業日以内に返信します