サクっと「文字起こし」したい #文字起し #文字起こし

ebata

3週間前

C:\Users\tomoi\Downloads\whisper-bin-x64\Release に作成したから、もう私(江端)は、構築は不要

■構築手順

(1)whisper-bin-x64.zipのダウンロード (https://sourceforge.net/projects/whisper-cpp.mirror/files/v1.7.6/?utm_source=chatgpt.com) → 解凍

(2)Releaseの中にmodelsというディレクトリを掘り、https://huggingface.co/ggerganov/whisper.cpp/tree/mainから、ggml-small.binをダウンロードして、ディレクトリに放り込む

(3)ffmpeg -i xxxxx.m4a xxxx.wav などでwavファイルにする

(4)whisper-cli.exe -m models/ggml-small.bin -f "xxxx.wav" --language ja --output-txt

成功すれば、xxxx.txt が同じフォルダに出力されます。中身に日本語の文字起こしが入っているはずです

文字おこししたテキストに「カラン」とだけ記載されている時の対応

20251118.m4aも20251118.wavも、私の耳では十分聞こえる内容です。やや声は小さめですが。対応方法を絞ってて教えて下さい。

「肉声は普通に聞こえる（＝無音ではない）」 という前提であれば、原因はかなり絞れます。
Whisper が 内容を全く認識できず “(カラン)” を大量生成する原因は、実質 2つしかありません。

■結論：対策は「音量を上げて再エンコードする」か「モデル変更」のどちらかです

Whisper は 人の耳よりはるかに大きい音量（−20dB〜−27dB程度） を必要とします。
肉声が入っていても録音レベルが少し小さいだけで、Whisper から見ると「ほぼ無音」扱いになります。

あなたの今回の音源は「声が小さめ」とのことなので、これがほぼ確定原因です。

以下を実行してください。

次に Whisper：

これで ほぼ確実に文字起こしが成功します。

※Whisper がダメなのは「ノイズ」ではなく「音量」です
小さすぎると、Noise Floor と同じレベルに埋もれ、「意味のある信号」として認識されません。