音声ファイルをテキストに変換します。99 言語の文字起こしと翻訳に対応し、ローカル環境でも動かせます。whisper.cpp を使うと CPU だけで軽量推論できます。
モデル
228
Whisper
ウィスパー
体験区分：少しだけ触った
推奨読者レベル：Level 3
何をしてくれるか
どこで出会うか
会議録や動画の字幕生成を自動化したいときに名前が出ます。音声系サービスの内部でも採用されており、API 経由で自前アプリに組み込む場面でも登場します。
ワークフロー図
2026.04·ready
「議事録は Whisper を API で呼んで文字起こしするのが手軽です。」
Whisperの見方
229
この用語の見どころ
1
役割
音声をテキストへ変換するオープンな基盤モデルです。
2
うれしさ
無償・ローカル動作可能で、商用利用も許可されています。
3
注意点
精度は音質や話速によって変わることがあります。
4
どこで役立つか
議事録自動化や動画字幕生成など音声テキスト化の場面。
5
はじめに
API 利用とローカル実行（whisper.cpp）の 2 択を把握します。
6
深掘り先
OpenAI API、whisper.cpp、Dictation（G-3）。
非エンジニアのつまずき
- OpenAI が ChatGPT 以外もやっているのに、あまり有名ではないです。
- 実際にどうやって入れて、どのタイミングで使えばよいのかが分かりづらいです。
私のコメント
- 第一印象:OSS で使えるという点に好感があります。
- 良い点:組み込みシステムとして成立させられます。
- ダメな点:モデルが大きく基本ローカル前提、API 利用は課金が嵩みます。
- 誰向けか:自分でローカルに入れて使う人向け。裏側で動く例もありそうです。
開発フローでの位置
音声ファイルを準備する
実行方法を選ぶ
モデルに渡す
テキストを受け取る
関連用語
D-71·model
バイブコーディング図鑑