【2026年版】Whisperでローカル文字起こし完全ガイド|無料・無制限・プライバシー保護
はじめに:ローカル文字起こしで月額ゼロ・プライバシー保護
OpenAI Whisperは、OpenAIが公開した オープンソースの音声認識モデルです。ローカルPCで動かせば、月額課金なし・無制限・完全プライバシー保護で高精度文字起こしができます。
- Whisperのモデル種類と選び方
- セットアップ(Python/whisper.cpp)
- 議事録自動化への応用
- GPU vs CPU のパフォーマンス比較
- WhisperX による高精度版
Whisper とは?
Whisperは2022年にOpenAIが公開した音声認識モデル。99言語対応・日本語精度は商用サービス並み・完全オープンソース(MITライセンス)という3拍子揃った革新的モデルです。
モデルサイズと精度
モデル | サイズ | VRAM | 速度 | 精度 |
|---|---|---|---|---|
tiny | 75MB | 1GB | 最速 | ★★ |
base | 142MB | 1GB | 速い | ★★★ |
small | 466MB | 2GB | 中 | ★★★★ |
medium | 1.5GB | 5GB | やや遅 | ★★★★★ |
large-v3 | 3GB | 10GB | 遅い | ★★★★★ |
👉 実用には medium / large-v3推奨。
Python版 Whisper セットアップ
# Python 3.10+ 推奨
pip install -U openai-whisper
# ffmpeg も必要(音声処理)
# Mac: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg
# 動作確認
whisper audio.mp3 --model medium --language ja --output_format txtこれだけで音声ファイル(mp3/wav/m4a/mp4)から日本語テキストが生成されます。
Python コードから利用
import whisper
model = whisper.load_model("medium")
result = model.transcribe("meeting.mp3", language="ja", fp16=False)
# 全文
print(result["text"])
# セグメント(タイムスタンプ付き)
for segment in result["segments"]:
start = segment["start"]
end = segment["end"]
text = segment["text"]
print(f"[{start:.1f}s - {end:.1f}s] {text}")whisper.cpp - CPUだけで動く軽量版
GPUがない環境でも実用速度で動くC++実装。Mac M3 Pro で 1時間音声を 5分で処理可能。
# ビルド
git clone https://github.com/ggerganov/whisper.cpp.git
cd whisper.cpp
make
# モデルダウンロード
bash ./models/download-ggml-model.sh medium
# 文字起こし実行
./main -m models/ggml-medium.bin -f audio.wav -l ja👉 ノートPCで手軽に試したい・GPU無しなら whisper.cpp 一択。
WhisperX - 高精度+話者分離
Whisperの精度を更に高め、話者分離(ダイアライゼーション)も可能にする改良版。
- GPU必須(CUDA)
- 単語レベルタイムスタンプ(通常Whisperより正確)
- 話者ID付与(「話者1: 〜」「話者2: 〜」の形式)
- 議事録生成に最適
pip install git+https://github.com/m-bain/whisperx.git
whisperx audio.mp3 --model large-v3 --language ja --diarize --hf_token YOUR_HF_TOKEN議事録自動化フロー
- Zoom/Meet/Teams の録音を保存(.mp4 等)
- ffmpeg で音声抽出(
ffmpeg -i meeting.mp4 -vn meeting.mp3) - Whisper(or whisper.cpp)で文字起こし
- ChatGPT / Claude に文字起こしを渡して議事録フォーマット整形
- Slack / Notion に自動投稿
詳しくは ChatGPTで会議議事録を自動化する完全ガイドも参照。
パフォーマンス比較(1時間音声)
環境 | モデル | 処理時間 |
|---|---|---|
Mac M3 Pro(CPU) | whisper.cpp medium | 約 6分 |
Mac M3 Pro(CPU) | Python Whisper medium | 約 20分 |
RTX 4090 | Python Whisper large-v3 | 約 2分 |
Google Colab T4(無料) | Python Whisper medium | 約 5分 |
OpenAI API(有料) | whisper-1 | 約 1分 |
👉 Mac M3以降なら whisper.cppがベスト。Winや古いPCは Google Colab 無料枠が実用的。
API版 vs ローカル版 の比較
観点 | OpenAI API | ローカル(Whisper) |
|---|---|---|
料金 | $0.006/分 ($0.36/時間) | 無料 |
セットアップ | APIキーのみ | Python+モデルDL |
速度 | 速い | 環境次第 |
プライバシー | 外部送信 | 完全ローカル |
精度 | large-v2相当 | large-v3可能 |
オフライン | × | ◎ |
ファイルサイズ制限 | 25MB | 無制限 |
👉 月数時間なら OpenAI API、常用・プライバシー重視なら ローカル。
活用シーン
- 会議議事録:Zoom/Meet録音→Whisper→AI要約
- インタビュー起こし:YouTuber・ライターの作業自動化
- 講義ノート:大学の講義録音を文字化
- 字幕生成:動画の自動字幕(SRT出力可)
- 音声メモ検索:ボイスメモを文字化してNotion/Evernoteで検索可能に
- 医療・法律の記録:機密性の高い会話もローカル処理で安心
精度を上げるコツ
1. 音声品質を上げる
会議の録音品質が低いと精度が落ちます。話者がマイクに近い・雑音の少ない環境で録音。
2. ffmpeg で音声正規化
録音レベルがバラつく場合、ffmpegで音量正規化すると精度向上:
ffmpeg -i input.mp3 -af "loudnorm=I=-16:LRA=11:TP=-1.5" normalized.mp33. 言語を明示指定
--language jaを忘れずに。自動検出より精度安定。
4. 専門用語には初期プロンプト
Whisperには initial_prompt オプションがあり、業界用語を事前に伝えると精度向上:
result = model.transcribe(
"meeting.mp3",
language="ja",
initial_prompt="Kubernetes、CI/CD、Terraform、Grafana、Prometheus、OpenTelemetry"
)※PR
💡 本番運用するなら手頃な専用環境を
LLM API/ベクトルDB/エージェントの本番運用は、無料枠が切れた瞬間にコストが跳ねます。ConoHa VPSは月1,000円台から始められて、長時間ジョブや常時起動のBotの受け皿に向いています。
よくある質問(FAQ)
Q. 本当に完全無料?
Whisperモデル自体は無料(MITライセンス)。電気代とPC所有コストのみ。クラウドなら Google Colab 無料枠(月12時間程度のGPU使用)で実行可能。
Q. 日本語の精度は?
large-v3 で 90〜95%。固有名詞の間違いは残るので要補正。英語ならさらに高精度(97%+)。
Q. プライバシーは完全保護?
ローカル実行なら 外部送信ゼロ。NDA必須の会議・医療・法律相談等も安心。
Q. リアルタイム文字起こしも可能?
可能。公式サンプル + マイク入力で実装可能。ただしレイテンシあり(数秒遅延)。
Q. 話者を区別したい
WhisperX の diarization機能、または pyannote.audio と組み合わせ。精度は環境依存。
まとめ:Whisper は文字起こしの完全解
- 無料・無制限・完全プライバシー保護
- Mac M3以降なら whisper.cpp で高速処理
- WhisperX で話者分離も対応
- 議事録自動化・字幕生成・音声メモ検索に活用
月額課金のサービスを使う前に、まず無料のWhisperで試してみてください。多くのユースケースはこれで十分です。
関連記事
👉 【2026年版】ChatGPTで会議議事録を自動化する完全ガイド
👉 【2026年版】AIで自動化できる業務10選
👉 【2026年版】ChatGPT活用の実務7パターン
👉 【2026年版】エンジニアのためのRAG実装入門
👉 【2026年版】Docker完全ガイド