会議の録音データ、毎回手作業で文字起こししていませんか？
Whisperを使えば、Macのローカル環境だけで高精度な文字起こしが無料でできます。
この記事では、MacにWhisperを導入して音声ファイルをテキスト化するまでの手順を解説します。
結論、mlx-whisperを使えばApple Silicon Macの性能をフル活用して、高速かつ高精度に文字起こしができます。
クラウドサービス不要、API料金ゼロです。
初めての方は基本編から順番にどうぞ。
すでにWhisperを入れている方は応用編まで飛ばしてOKです。
Whisperとは？無料で高精度な文字起こしAI
WhisperはOpenAIが公開した音声認識モデルです。
日本語を含む90以上の言語に対応し、精度の高さで知られています。
特徴はこの3つ。
- 無料・オープンソース：誰でも自由に使える
- ローカル実行：音声データを外部に送信しない。機密性の高い会議音声も安心
- 高精度：有料の文字起こしサービスに匹敵する認識精度
Mac（Apple Silicon）で使うなら、Apple独自のMLXフレームワークに最適化された「mlx-whisper」がおすすめです。
通常のWhisperよりも処理速度が大幅に速くなります。
MacにWhisperをインストールする方法
事前準備
以下が必要です。
- Mac（Apple Silicon）：M1以降。Intel Macでは動作しません
- Python 3.9以上：Homebrewで導入可能
- pip：Pythonのパッケージ管理ツール
Pythonが入っていない場合は以下でインストールします。
brew install pythonmlx-whisperのインストール
ターミナルで以下を実行します。
pip install mlx-whisperこれだけでインストールは完了です。
モデルは初回実行時に自動ダウンロードされます。
【基本編】音声ファイルをテキストに変換する
ステップ1：音声ファイルを用意する
対応フォーマットはmp3、wav、m4a、mp4などほとんどの形式に対応しています。
会議の録音データやボイスメモをそのまま使えます。
ステップ2：文字起こしを実行する
以下のコマンドで文字起こしが始まります。
mlx_whisper --model mlx-community/whisper-large-v3-turbo 音声ファイル.mp3whisper-large-v3-turbo は速度と精度のバランスが良いモデルです。
初回はモデルのダウンロード（約1.5GB）があるので少し時間がかかります。
ステップ3：結果を確認する
処理が終わると、同じディレクトリにテキストファイルが出力されます。
字幕形式（SRT）での出力も可能です。
mlx_whisper --model mlx-community/whisper-large-v3-turbo --output_format srt 音声ファイル.mp3【基本編】日本語の精度を上げるモデル選びのコツ
mlx-whisperで使えるモデルにはサイズの違いがあります。
- whisper-tiny：最小・最速だが精度は低い
- whisper-large-v3-turbo：速度と精度のバランスが最良。普段使いにおすすめ
- whisper-large-v3：最高精度だが処理時間が長い。重要な音声向け
日本語の文字起こしには whisper-large-v3-turbo 以上を推奨します。
小さいモデルだと、漢字の変換精度が下がったり、句読点が不自然になることがあります。
言語を明示的に指定するとさらに精度が上がります。
mlx_whisper --model mlx-community/whisper-large-v3-turbo --language ja 音声ファイル.mp3ここまでが基本編です。Whisperの導入と基本的な文字起こしはこれで完了。
ここからは、議事録作成や録音デバイスの活用など実務レベルの使い方を紹介します。
【応用編】会議音声を議事録に整形するワークフロー
Whisperの出力はベタ打ちのテキストです。
そのまま議事録として使うには、もう一手間かけて整形する必要があります。
方法①：AIで整形する
Whisperで文字起こし → Claude（またはOllama）で議事録フォーマットに整形。
プロンプト例：
以下の会議の文字起こしを、議事録形式に整形してください。
- 日時・参加者は不明なら「要確認」と記載
- 決定事項とTODOを箇条書きで抽出
- 要点を3行でまとめる
（ここにWhisperの出力テキストを貼り付け）方法②：n8nで全自動化する
n8nを使えば「音声ファイルのドロップ → 文字起こし → AI整形 → Googleドキュメントに保存」まで自動化できます。
この方法は別の記事で詳しく解説しています。
録音はPlaud Noteが便利
会議の録音には、専用の録音デバイスがあると便利です。
スマホの録音アプリでも使えますが、マイク性能で文字起こしの精度が変わります。
この記事の体験談でも使っているPlaud Note Pro（Amazon）は、AI文字起こし機能も内蔵した録音デバイスです。
スマホ録音と比べて集音性能が高く、Whisperの認識精度が目に見えて上がります。
MacBook Air（M系チップ）でmlx-whisperのlarge-v3モデルを使っています。
Plaud Noteで録音した音声をローカルで文字起こしする運用です。
large-v3-turboモデルなら、1時間の音声を数分で処理できます。
日本語の認識精度も高く、固有名詞以外はほぼ修正不要でした。
クラウドの文字起こしサービス（月額数千円）を解約できたので、コスト削減にもなっています。
かかった時間：インストール5分、1時間音声の処理3〜5分
つまずいたポイント：Python環境のパス設定（brew install pythonで解決）
結果：月額0円で高精度な文字起こし環境が完成
Whisperが遅い・エラーになるときの対処法
処理が遅い場合
- より小さいモデル（large-v3-turbo）に切り替える
- 他のアプリを閉じてメモリを確保する
- 長い音声は分割してから処理する
「ModuleNotFoundError」が出る
Pythonのパスが通っていない可能性があります。
python3 -m pip install mlx-whisperpython3 を明示的に指定して再インストールしてみてください。
音声の認識精度が低い
--language jaオプションで日本語を明示指定する- 録音環境を改善する（ノイズが多いと精度が下がる）
- より大きなモデル（large-v3）を使う
まとめと次のステップ
- mlx-whisperで、MacだけでローカルAI文字起こしができる
- large-v3-turboモデルが速度と精度のベストバランス
- クラウドサービス不要、月額0円で運用可能
- AIと組み合わせれば、文字起こし→議事録整形まで自動化できる
- 録音デバイスの品質が、文字起こし精度に直結する
Whisperとn8nを組み合わせた議事録の全自動化に興味がある方はこちら。
→ n8n×Whisperで議事録を自動作成する方法
ローカルAIの環境構築から始めたい方はこちらもどうぞ。
→ Mac miniでOllamaを動かす手順｜無料AI環境
0人が役に立ったと評価
コメント