録音やインタビューの音声を、高精度で文字に変換できる。
#文字起こし#多言語
ミロンドが自分で確かめたこと
- 2026年8月23日「配布元を見る」の行き先が、今も開けることを確認しました。
- 2026年7月30日公式の説明を読んで、開発が止まったというサインが無いことを確認しました。
- 2026年8月25日ミロンドが毎日数えている記録では、この17日間で お気に入りが961件増えました(今も使われ続けています)。
ミロンドは掲載しているすべての行き先を定期的に開いて、今も使えるかを確かめています。 利用ルールは名前だけで判断せず、原文を読んで確認しています。
「音声生成」119本の中での位置
- APIキーの用意がいらないこの分野で114本
- 入れた内容を外部に送らないこの分野で30本
- 作ったものを仕事に使ってよいと確認できているこの分野で56本
- 黒い画面(ターミナル)の操作が要りますそうでないものが93本 →
上の条件をすべて満たすものは、119本中24本です。
この数字は、ミロンドが掲載している道具を1本ずつ同じ基準で調べた結果から数えています。
これは何?黒い画面(ターミナル)で動かすツール
できること
会議やインタビューの録音・動画の音声を、高い精度で文字に起こせるOpenAI製の定番。日本語もこなし、外国語を英語に翻訳しながら書き起こすこともできる。字幕ファイルの作成にも使える。単体は上級者向けだが、これを使いやすくしたアプリ(BuzzやWhisperXなど)経由なら初心者でも。
誰に効く?
文字起こしを自動化したい人
用意するもの
、推奨
時間のめやす
15〜30分(AIに聞きながらコピペ)
使えるようになるまでの手順をひらく
- 「」という文字だけの画面を使います(Windowsなら PowerShell)
- GitHubページの「Installation」に書かれたコマンドを順番に実行
- つまずいたら、いつも使っているAIチャットに「(ツール名)のインストールを手伝って」と聞くのがおすすめ
こんな人には向かないかも
- 黒い画面(ターミナル)にまだ抵抗がある人
迷ったらこれ:いつも使っているAIチャット(ChatGPT・Claude・Geminiなど)にこのツールのGitHubリンクを貼って 「これを使いたい。私のPCでの始め方を一歩ずつ教えて」と頼むのが一番の近道です。
注意点
長時間音声はそれなりのマシン性能が必要。
ひとことメモ
提供元が明確でローカル実行も可能。
Whisperについてよくある質問
- Whisperは無料で使えますか?
- 無料で使えます。自分のパソコンの中で動くタイプなので、使った量に応じた料金もかかりません。
- Whisperを使うのに、インストールや専門知識は必要ですか?
- コマンド入力(黒い画面)での操作が必要です。手順どおりに文字を打ち込む作業に慣れていないと、導入でつまずきやすいツールです。
- Whisperはスマホでも使えますか?
- スマホには対応していません。パソコンが必要です。
- Whisperは仕事(商用)で使えますか?
- ライセンスは MIT で、商用利用も認められています。ただし著作権表示を残すなどの条件が付くので、配布物に含める場合はライセンス本文を確認してください。
似ている道具との違い
同じ用途の道具と、使う前に効いてくる条件を並べました。
| 道具 | 黒い画面 | APIキー | 外部送信 | スマホ | 仕事に使える | 最終更新 |
|---|---|---|---|---|---|---|
| Whisper(このページ) | 要る | いらない | なし | むずかしい | 可 | 2026年7月 |
| Bark | 要る | いらない | なし | むずかしい | 可 | 2024年8月 |
| faster-whisper | 要る | いらない | なし | むずかしい | 可 | 2025年11月 |
| WhisperX | 要る | いらない | なし | むずかしい | 可 | 2026年7月 |
「外部送信あり」は、入力した内容がどこかのサーバーに送られることを指します。 社外に出せない資料を扱うときは「なし」を選んでください。
音声生成のほかのツール
Whisperが合わなかったときの、同じ用途の候補です。
Bark
テキストから自然な音声を作る
準備がいる・黒い画面(ターミナル)が要る
faster-whisper
文字起こしを数倍速にする改良版
はじめやすい・黒い画面(ターミナル)が要る
WhisperX
高速・高精度の文字起こし強化版
はじめやすい・黒い画面(ターミナル)が要る
supertonic-3
【まもなく終了】端末の中で速く動く読み上げ音声の仕組み
準備がいる・黒い画面(ターミナル)が要る
MassivelyMultilingualTTS
多言語TTSデモ
準備がいる・黒い画面(ターミナル)いらない
Real-Time-Voice-Cloning
数秒の音声から声を写し取り、文章を読み上げさせる
はじめやすい・黒い画面(ターミナル)が要る
