WindowsでWhisperをローカル実行:CPUで字幕を作る例

オープンソースのWhisperはコードとモデルの重みをMITライセンスで公開しています。公式CLIはローカルで使用できますが、機器や電気、他のソフトウェアには費用がかかる場合があります。インストールと初回のモデル取得にはインターネット接続が必要です。
PowerShellでCPUを使う例
Whisperと互換性のあるPython(プロジェクトでは3.8〜3.11を想定)とFFmpegをインストールし、ffmpegがPATHから実行できることを確認します。利用権限のあるaudio.mp3を置いた作業フォルダーでPowerShellを開きます。以下は公式Whisper CLIに基づく例です。環境の前提条件と互換性を確認してください。
python --version
python -m venv .whisper-env
.\.whisper-env\Scripts\python.exe -m pip install -U openai-whisper
ffmpeg -version
.\.whisper-env\Scripts\whisper.exe ".\audio.mp3" --model tiny --device cpu --fp16 False --output_format srt
これらのコマンドはPython仮想環境の作成、Whisperのインストール、FFmpegの確認を行い、成功すれば現在のフォルダーにSRTを出力します。選択したモデルが未保存なら初回実行時にダウンロードします。FFmpegがファイルの音声トラックを読み取れる必要があります。ファイル名は適宜変更してください。--output_format txtならテキストを出力します。
品質、機器、プライバシー
tinyは小さな出発点で、品質を保証しません。CPUの処理時間とメモリーはモデルやPCで異なり、対応GPUの利用には別の設定が必要な場合があります。名前と時刻を含む結果を確認しましょう。W3Cは自動字幕の誤りに注意を促しています。ローカル処理だけで完全なプライバシーが保証されるわけではありません。入手元、アクセス権、バックアップ、任意のオンライン機能を確認してください。
IliciLabsのAurora Subtitlesはライブ音声と字幕を扱う別の有料Windows 11製品で、無料のWhisper CLIではありません。Auroraを見る