Happy Web Engineer
最終更新
初回公開

【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

  1. Zoom/Meet/Teams の録音を保存(.mp4 等)
  2. ffmpeg で音声抽出(ffmpeg -i meeting.mp4 -vn meeting.mp3)
  3. Whisper(or whisper.cpp)で文字起こし
  4. ChatGPT / Claude に文字起こしを渡して議事録フォーマット整形
  5. 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.mp3

3. 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。

ConoHa VPSを見てみる

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