https://github.com/led-mirage/whisper-auto-transcriber
このアプリケーションは、OpenAIのWhisperモデル（API）を使用して高精度の音声認識を行い、結果をテキストファイルとして出力します。
https://github.com/led-mirage/whisper-auto-transcriber
azure-openai-service cli openai-api speech-to-text video-to-text whisper
Last synced: 8 months ago
JSON representation
このアプリケーションは、OpenAIのWhisperモデル（API）を使用して高精度の音声認識を行い、結果をテキストファイルとして出力します。
- Host: GitHub
- URL: https://github.com/led-mirage/whisper-auto-transcriber
- Owner: led-mirage
- License: mit
- Created: 2025-02-22T14:06:17.000Z (8 months ago)
- Default Branch: main
- Last Pushed: 2025-02-26T15:58:48.000Z (8 months ago)
- Last Synced: 2025-02-26T16:19:41.707Z (8 months ago)
- Topics: azure-openai-service, cli, openai-api, speech-to-text, video-to-text, whisper
- Language: Python
- Homepage:
- Size: 18.6 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# Whisper Auto Transcriber
Copyright (c) 2025 led-mirage
## 概要
**Whisper Auto Transcriber**は、音声または動画ファイルからテキストを抽出する便利なツールです。このアプリケーションは、OpenAIもしくはAzure OpenAI ServiceのWhisperモデル（API）を使用して高精度の音声認識を行い、結果をテキストファイルとして出力します。
## 主な機能
- **マルチクラウド対応**: OpenAI と Azure OpenAI Service に対応しています。
- **対応ファイル形式**: mp3, m4a, mp4, avi, mov, mkv
- **動画自動変換**: 動画ファイルはffmpegを使用して自動的に音声ファイルに変換されます。
- **音声の自動分割**: Whisper APIの制限に対応するため、FFmpegで音声ファイルを5分ごとに分割します。
- **音声認識**: Whisper APIで分割された音声ファイルをテキストに変換します。
- **出力管理**: 変換されたテキストは1つのファイルに統合され、`output`ディレクトリに保存されます。
## 主な用途
会議の録音など長時間の音声データをテキストとして保存したいときに便利です。出力されたテキストをAIに入力し要約させることで、簡単に議事録を作成できます。
## 事前準備
- Python
- Python 3.8 以上が必要です。仮想環境（venv）の利用を推奨します。
- ※このソフトウェアは Python 3.12.0 で動作確認済みです。
- ffmpeg
- [ffmpegのサイト](https://www.ffmpeg.org/)からダウンロードし、パスを通してください。
- ffmpeg version n7.1で動作確認済みです。
- OpenAIのAPIキー
- [OpenAI Platform](https://platform.openai.com/)に登録し、APIキーを発行してください。
- または、Azure OpenAI Serviceの設定
- Azure OpenAI Serviceを利用する場合は、APIキーとエンドポイントを取得してください。くわえて、**Whisperモデル**をAzure上でデプロイして使用できる状態にしてください。
- 2025年2月現在、日本リージョンではWhisperモデルをデプロイできないようです。動作確認にはnorthcentralusリージョンを使いました。
## インストール
1. プロジェクト用ディレクトリを作成し、移動します。
2. GitHubからソースを取得します：
```
git clone https://github.com/led-mirage/whisper-auto-transcriber.git
```
3. 仮想環境を作成し、アクティベートします（推奨）：
```
python -m venv venv
venv\Scripts\activate # macOS/Linuxの場合は source venv/bin/activate
```
4. 必要なライブラリの取得します：
```
pip install -r requirements.txt
```
## 設定
- OpenAIを使用する場合は、環境変数`OPENAI_API_KEY`にAPIキーを設定してください。
- Azure OpenAI Serviceを使用する場合は、`settings.ini`のAPI typeを`azure`にし、モデル、APIキー、エンドポイントの設定を行ってください。
- `settings.ini`ではその他詳細な設定が可能です。詳しくは以下の`設定ファイル（settings.ini）`の項目を参照してください。
## 実行方法
1. 起動します：
```
python src/main.py
```
2. テキスト化する音声または動画ファイルのパスを入力してEnterキーを押します：
```
変換元のファイルのパスを入力してください: c:\temp\test.mp3
```
3. 出力：
結果は`output`ディレクトリ内にテキストファイルとして出力されます。
ファイル名は`[元のファイル名（拡張子を除く）].txt`になります。
## 設定ファイル (`settings.ini`)
アプリケーションを実行する前に、`settings.ini`ファイルを正しく設定してください。このファイルでは、APIタイプやモデル名、APIキーの設定を行います。
### APIセクション
- **type**: 使用するAPIの種類を指定します。`openai` もしくは `azure` を設定してください。デフォルトは`openai`です。
### OpenAIセクション
- **model_name**: 使用するOpenAIモデルを指定します。デフォルトは `whisper-1` です。
- **api_key**: OpenAIのAPIキーを直接指定する場合に使用します。環境変数を使用する場合は空にしてください。
- **api_key_env**: APIキーを指定する際の環境変数名を入力してください。デフォルトは `OPENAI_API_KEY` ですが、ユーザーが自由に環境変数名を設定できます。
### Azureセクション
- **model_name**: 使用するAzureモデルを指定します。デフォルトは `whisper` です。
- **api_key**: AzureのAPIキーを直接指定する場合に使用します。環境変数を使用する場合は空にしてください。
- **endpoint**: エンドポイントを直接指定する場合に使用します。環境変数を使用する場合は空にしてください。
- **api_key_env**: APIキーを指定する際の環境変数名を入力してください。デフォルトは `AZURE_OPENAI_API_KEY` ですが、ユーザーが自由に設定できます。
- **endpoint_env**: エンドポイントを指定する際の環境変数名を入力してください。デフォルトは `AZURE_OPENAI_ENDPOINT` ですが、ユーザーが自由に設定できます。
### Generalセクション
- **audio_segment_time**: 音声を分割する単位を秒単位で指定します。デフォルトは300秒です。
## Whisper APIの利用料金
Whisperの利用料金は、変換元の音声の長さに基づいており、１分あたり`$0.006`※です。例えば１時間の音声または動画ファイルをテキスト化すると、$0.36かかります。
※価格の詳細は以下のサイトで確認してください。
- [OpenAIの価格ページ](https://openai.com/ja-JP/api/pricing/)
- [Azure OpenAI Serviceの価格ページ](https://azure.microsoft.com/ja-jp/pricing/details/cognitive-services/openai-service/#pricing)
## 使用しているライブラリ
### 🔖 openai 1.63.2
ホームページ： https://github.com/openai/openai-python
ライセンス： Apache License 2.0
## ライセンス
© 2025 led-mirage
本アプリケーションは MITライセンス の下で公開されています。詳細については、プロジェクトに含まれる LICENSE ファイルを参照してください。
## バージョン履歴
### 2.0.0 (2025/02/27)
- HotFix: 動画を指定した場合、テキスト化が途中で停止する問題を修正しました。
- Azure OpenAI Serviceに対応しました。
- 設定を`settings.ini`ファイルに移動しました。
### 1.0.0 (2025/02/26)
- ファーストリリース