AIで音声認識「whisper」を試したい その1.

きっかけはこの記事だった。

無料でOpenAIの「Whisper」を使って録音ファイルから音声認識で文字おこしする方法まとめ - Gigazine

音声認識は今までにも色々と試したことがあって、日々その進化には驚かされていた。

数年前には考えられなかったことだが、

今では毎日のように文字入力やらAlexaやらで音声認識を当たり前に使っている。

本当にものすごい進化だ。

以前にもVrewというソフトで動画に字幕を入れてみたことがあった。

とても精度が高くいいソフトだったが、無料では使える量が限られていることもあって

個人で趣味で使います、という用途には向かない印象だった。

上の記事、非常に長く、実に様々な情報があるが、

シロウト目には八割方何を言っているか分からない。

しかしながら、「whisper」は 精度がものすごく高い音声認識であることが分かった。

となれば、ぜひ使ってみたい。

上記ページの目次

◆Hugging Faceの体験版を使ってみる

◆Windowsに導入したWhisperで文字起こしをしてみる

とりあえず二番目のGoogle Colabに導入…というのからやってみた。

（一番上のはマイクの準備がめんどうくさかったのでやめた）

記事に書いてある通りに行ったら、できた。

ただ、この方法では精度がめちゃ高いと言われているモードではできなかったので、

精度に関しては正直今までのとそんなに変わらないかな？という印象だった。

なので、いよいよ、三番目の

◆Windows環境に導入してみる

を行うことにしてみた。

記事によれば、Windowsに導入すれば高精度の音声認識もできそうである。

とりあえず、上記Gigazineさんの記事どおりにことを進めたが、

結論を言うと、

私の環境では「whisper」は動かなかった。

（ただしGPU版）

別の方法で試したCPU版の方は動作した。

そちらはまた別途記事にする。

投稿日：2022年11月15日
初出：2022年11月11日