第1回｜文字起こし①：Whisperを動かす準備だけしよう！

目次[表示]

AI文字走しの第一歩。ColabとWhisperの準備だけしよう！

セッション中のやりとり、ちゃんと録音してるのに「どこで何話したっけ？」とあとから探すのにひと苦労。

「あのときの一言、すごく響いたのに…」と、思い出そうとしても出てこない。

そんな経験、ある人多いんじゃないでしょうか？

そんなとき、AIが文字起こし＋整理までやってくれたら… もう最高ですよね。

しかも、録音ファイルを“ポイッ”と渡すだけでOK。

自動で文字がズラッと現れて、「あ、これこれ！」とすぐに振り返れる。

そんな未来が、もうすぐそこまで来ています。

……ただし！その前に、ちゃんと道具の準備をしておかないと、AIくんは静かにスルーします。

ということで、この回では「最初の一歩」を一緒に踏み出していきましょう◎

今回のゴール

この回では、「Colabって何？」「Whisperってどうやって使うの？」という疑問に答えながら、AI文字お越しの準備だけをしていきます。

完了するとこうなる！

Google Colabを開いて
Whisperのモデルが使える状態になって
Google Driveともつながっている

これで、次回からの「文字走し実行」が超ラクになります。

Colabってなんだっけ？という方へ

Google Colabの基本操作（開き方・コードの実行・Drive連携など）に不安がある方は、
まずこちらを見ておくと安心です

Google Colabって何者？開けてビックリ、動かして感動の超入門！

Whisperのモデルをインストールしよう

Whisper（ウィスパー）は、OpenAIが開発した「音声を文字にしてくれるAI」です。

たとえば録音データを渡すと、話した内容をテキスト化してくれる、いわば"自動書き起こし係"のような存在です。

このWhisperを使うには、まずGoogle Colabの中に"インストール"する必要があります。

これは、スマホにアプリを入れるようなイメージです。

ワンポイント補足！

今は試作段階なので、WhisperをColabにインストールして使えば無料で文字起こしできます。

ただし、これは「Colabの中だけで自己完結する使い方」だからできること。

将来的にこの仕組みを本格的なサービスとして提供したい場合は、OpenAIの「Whisper API」や「ChatGPT API」を使って、安定した処理や自動化を組み込む必要が出てきます。

つまり、

今は“お試しモード”！でも“本番”ではAPIの力を借りる！

くらいのイメージでOKです◎

Whisperのインストールコード

以下のコードをコピーして、Colabの「コードセル」に貼り付けてください

!pip install -U openai-whisper
!sudo apt update && sudo apt install -y ffmpeg

openai-whisper：Whisper本体をColabに入れるための命令です。
ffmpeg：音声ファイルの読み込みや変換を手伝ってくれるツールです（Whisperが音声を理解するために必要なもの）。

パソコンがインストール作業をしている間は、画面がたくさん動きますが大丈夫です。コーヒーでも飲みながら気長に待ちましょう（3分ほど）

Whisperを使える状態にしてみよう

インストールが終わったら、Whisperのモデルを呼び出して「使える状態」にしてみましょう。

以下のコードをColaboのセルに入れて実行してね

# WhisperというAIツールを使えるようにする
import whisper 

# "small"という処理が速くて、そこそこ高精度のモデルを読み込みます（初心者におすすめ）
model = whisper.load_model("small") 

# 成功したら下記のメッセージが出ます
print("Whisperモデルの準備ができました！")

このコードを実行すると、「Whisperモデルの準備ができました！」と表示されるはずです。

これが出れば、WhisperがColab上でちゃんと動くようになったという合図です。

モデルには "base" や "small"、"large" など色々種類がありますが、今回は 処理が速くて、そこそこ高精度、しかもColabでも安定しやすい 「small」を使っています。

まずはこれで十分！あとで必要に応じてグレードアップもできます◎

Google Driveとつなごう

今回は成果物に直接関係ないので、試したい人だけやってみて！

今後、音声ファイルを保存したり読み込んだりする場面が出てきます。

そのために、Google ColabとGoogle Driveをつないでおく必要があります。

ColabでDriveを使うには、以下のコードを実行します

from google.colab import drive
drive.mount('/content/drive')

このコードを実行すると、画面にリンクが表示されます。

リンクをクリックして、Googleアカウントにログイン
「このアプリにアクセスを許可しますか？」と聞かれるので、許可を選択
表示された認証コードをコピー
Colabの入力欄にそのコードを貼り付けてEnter

これで、Google Driveの中身（自分のファイル）がColab上から使えるようになります。

ちゃんとつながっているか確認したい場合は、次のコードを実行してみましょう

!ls /content/drive/MyDrive

これは、あなたのGoogle Driveの中身を一覧表示してくれるコマンドです。

ファイル名やフォルダ名がずらっと出てきたら、接続成功です！

これでDriveの中にある音声ファイルを読み込んだり、文字起こし結果を保存したりする準備が整いました◎

まとめ

ここまでおつかれさまでした！

この回でやったことは、「ColabでWhisperを動かす準備」です。

これで、次回からの「音声ファイルを使った文字起こし」にスムーズに進める準備が整いました。

工程	やったこと
Colabを開いた	ノートブックを作って、コードを入力する場所を準備した
Whisperをインストール	AI文字起こしツールをColabに入れた
モデルを読み込んだ	Whisperの基本モデル（small）を読み込んで使えるようにした
Driveを連携した	ファイルの保存・読み込みができるようにした
動作確認をした	Driveの中身を確認して、接続成功をチェックした