オープンソースの音声認識モデル。ローカルで音声を文字起こしして字幕を生成できる
中国本土から利用不可
基本情報
- 用途
- オープンソースの音声認識モデル。ローカルで音声を文字起こしして字幕を生成できる
- カテゴリ
- 音声
- 中国本土からのアクセス
- 中国本土から直接アクセス不可確認日 2026-11-03
- 提供元
- OpenAI
- 公式サイト
- https://github.com/openai/whisper（新しいタブで開く）
主な機能
- 多言語の音声の認識と文字起こし
- 音声の言語を判別
- 音声の英語への翻訳に対応
- コマンドラインでテキストとSRT、VTTなどの形式を出力
向いている用途
コマンドラインを使える人や、音声認識を自分のワークフローに組み込みたい開発者に向いています。グラフィカルな画面での文字起こしだけが必要な場合は、ローカルモデルを使うBuzzが検討できます。
利用時の注意
- インストールにはPythonとFFmpegの設定、モデルファイルのダウンロードが必要です
- モデルの大きさは実行速度と必要な計算資源に影響します
- 認識の品質は録音の品質、言語、モデルの選択に左右されます
よくある質問
- WhisperはWebツール？
- ここに掲載しているのはOpenAIのオープンソースプロジェクトで、通常は手元のパソコンやサーバーにインストールして実行します。
- 字幕を生成できる？
- できます。公式のコマンドラインにはSRTやVTTなどの出力形式があります。