Whisper

このツールでできること

OpenAIが開発した音声認識AIです。録音・動画ファイルの文字起こしを高精度で実行します。日本語の精度が特に高く、方言・専門用語・早口にも対応しています。完全無料で使えるモデルがあり、APIを使えば大量処理も低コストで可能です。

主な機能

• 高精度な音声→テキスト変換（99言語対応）
• タイムスタンプ付きの文字起こし
• 翻訳機能（多言語音声を英語テキストに）
• ローカル実行（whisper.cppで完全オフライン可）
• OpenAI API経由での利用（1分あたり$0.006）

基本の使い方

① APIまたはサードパーティアプリで使う（推奨）
コードを書かずに使うには、WhisperKitアプリ（Mac）・MacWhisper・Descript等のWhisper搭載アプリを使う。音声ファイルをドラッグ&ドロップするだけで文字起こし完了。

② OpenAI APIで呼び出す
ChatGPT PlusのGPT-4oはWhisperを内包している。音声ファイルを添付して「文字起こしして」と依頼するだけで動く。

③ ローカルで動かす（上級者向け）
whisper.cppをインストールするとAPIキーなし・完全無料でローカル実行できる。長時間音声の大量処理に向いている。

こんな場面で使える

会議・インタビューの文字起こし：Zoomやスマホの録音をWhisperに通すだけで議事録の素材が完成する。手入力の議事録作業がなくなる

音声メモ→記事変換：スマホで録音したアイデアメモをWhisperで文字起こし→ChatGPTで記事化するフローで、移動中のアイデアを無駄なく活用できる

YouTube動画の字幕生成：自分のYouTube動画をWhisperで文字起こしして、字幕ファイル（SRT形式）として書き出せる

料金・プラン

• OpenAI API：$0.006/分（10分の音声で約$0.06）
• ローカル版（whisper.cpp）：完全無料・無制限
• MacWhisper（Mac専用アプリ）：基本機能無料・高度な機能は買い切り$29

使いこなすコツ

• 日本語の精度はOtter.aiより高い。日本語メインの会議・インタビューにはWhisperの方が向いている
• 文字起こし後の整形はChatGPTに任せる。「以下の文字起こしを読みやすい形式に整えて、話者を区別して」と続けると完成度が上がる
• 長時間音声（1時間以上）はAPIより無料のローカル版の方がコスト効率が良い