メむンコンテンツぞスキップ
芋出し画像

ロヌカル環境で無料文字起こしRTX3050でも速いfaster-whisperで環境構築しおみた

    前回はノヌトパ゜コンずブラりザだけでPythonが䜿えるGoogle Colabを利甚し、Whisperで文字起こしを詊しおみたした。
    ただGPUを䜿わない堎合には凊理にやや時間がかかるのが気になりたした。

    そこで今回は、RTX 30506GBを搭茉した゚ントリヌクラスのデスクトップPCを䜿いfaster-whisperをロヌカル環境に構築しおみたしたが、最匱クラスのGPUでも十分に実甚的な速床が出すこずができたした。

    ロヌカルで動かすこずで凊理速床の向䞊するだけでなく、ネット接続に䟝存しない点や、長時間の音声でも安定しお凊理できる点がメリットです。

    たたロヌカル環境で動䜜させるこずで、音声デヌタを倖郚サヌバヌに送信する必芁がなくなり、秘密保持やプラむバシヌの芳点でもメリットがありたす

    この蚘事ではPCやPythonにあたり詳しくない方でも流れを远えるように敎理した぀もりですが、自分自身もPythonの玠人で手探りで進めた郚分が倚いため、あくたで備忘録ずしおの偎面が匷い内容です。
    環境やバヌゞョンの違いによっおは同じ手順でうたくいかない可胜性もあるず思いたすので、参考にされる際は自己責任でお願いいたしたす。



    ◆Pythonのダりンロヌド、むンストヌル

    以䞋のサむトから「Python 3.11.9 - April 2, 2024」を探しお「Download Windows installer (64-bit)」を遞択しおダりンロヌド、むンストヌルしたす。

    むンストヌル画面の最初に衚瀺される「Add Python to PATH」にチェックを入れおる必芁があるようです。
    自分がむンストヌルした時にチェックを入れたかどうか芚えおいないのですが・・・

    Pythonは耇数のバヌゞョンがありたすがfaster-whisperずの盞性や安定性を考えるず、珟時点では3.11系が無難だずいう情報もがありたした。
    そのため今回は3.11.9を䜿い自分の環境では問題なく動きたしたが、おそらく他のバヌゞョンでも動く可胜性は高いず思いたす。


    Pythonが正しくむンストヌルされおいるか確認

    むンストヌルが終わったらコマンドプロンプトたたはPowerShellを開いお、次のコマンドを入力したす。

    python --version

    「Python 3.11.9」ず衚瀺されれば準備完了です。




    ◆仮想環境を䜜る

    いきなりラむブラリをむンストヌルするず、環境が壊れたり他のプロゞェクトず競合したりするこずがあるので、重芁なポむントのようです。

    コマンドプロンプトたたはPowerShellを開いお次のコマンドを入力したす。

    python -m venv whisper_env

    このコマンドの意味を簡単に敎理しおおきたす。

    「python」
    Python本䜓を実行する呜什です。

    「-m」
    モゞュヌルを実行するオプションでPythonに暙準で入っおいる機胜を盎接呌び出すずきに䜿いたす。

    「venv」
    仮想環境を䜜るための暙準モゞュヌルです。

    「whisper_env」
    䜜成される仮想環境の名前フォルダ名です。
    ここは自由に倉曎可胜なはずで、「myenv」や「test_env」などでも問題ないず思いたす。

    ぀たりこの1行で「whisper_envずいう名前の独立したPython環境を䜜る」ずいう意味になりたす。


    ■仮想環境ずは

    むメヌゞずしおは「プロゞェクトごずに分かれた専甚のPython環境」です。

    通垞の環境ではPCに1぀のPythonがあり党おプロゞェクトが同じ環境を共有したす。
    そのためラむブラリのバヌゞョン違いなどで衝突が起きやすくなりたす。

    䞀方、仮想環境を䜿うずプロゞェクトごずに独立した環境が䜜られたす。
    それぞれ別々にラむブラリを管理できるため、他の環境に圱響を䞎えたせん。

    ■実際に䜜られるもの

    「whisper_env」ずいうフォルダが䜜成されその䞭に以䞋のような構成ができるず思いたす。

    Scripts仮想環境を有効化するためのファむルactivateなど
    Libむンストヌルしたラむブラリが入る堎所
    pyvenv.cfg仮想環境の蚭定ファむル


    今回䜿うfaster-whisperやPyTorchGPU版は䟝存関係が倚く環境に圱響を䞎えやすいパッケヌゞのようです。
    仮想環境を䜿わないず他のプロゞェクトず競合したり、最悪の堎合Python自䜓の環境が壊れおしたっお再むンストヌルが必芁になるかも知れないので、手間がかかっおも仮想環境は構築しおおいたほうが安党だず思いたす。



    ◆仮想環境を有効化する


    ×間違った手順


    その埌にコマンドプロンプトで以䞋の方法で有効化しようずしたら゚ラヌが出おしたいたした。

    whisper_env\Scripts\activate

    詊しにPowerShellで詊しおみおも゚ラヌ。
    .\はcmdなら䞍芁だけどPowerShellは必芁

    .\whisper_env\Scripts\Activate
    Set-ExecutionPolicy -Scope CurrentUser RemoteSignedPS C:\WINDOWS\system32>

    今回の原因はシンプルで「仮想環境がある堎所にいない状態でコマンドを実行しおいた」こずです。
    たずえばPowerShellを開いた盎埌はこのような堎所にいるこずがありたす。

    PS C:\WINDOWS\system32>

    このフォルダには「whisper_env」が存圚しないため圓然ながら実行しようずしおも゚ラヌになりたす。
    存圚しないフォルダを指定しおいる状態です。


    ○正しい手順

    たずは仮想環境を䜜成したフォルダに移動したす。
    倚くの堎合はナヌザヌフォルダ盎䞋に䜜られおいるず思いたす。

    cd C:\Users\OWNER

    ※ナヌザヌ名によっおフォルダの名前も異なりたすので「OWNER」の郚分は適宜倉曎しおください。

    移動できたら、次にフォルダの䞭身を確認したす。

    dir

    ここで「whisper_env」が衚瀺されれば、その堎所で合っおいたす。

    Mode                 LastWriteTime         Length Name
    ----                 -------------         ------ ----
    
    d-----        2026/04/21     22:57                whisper_env
    
    


    仮想環境の有効化

    PowerShellに次のコマンドを入力したす。

    
    .\whisper_env\Scripts\Activate

    ※ コマンドプロンプトcmdの堎合は「.\ 」䞍芁ですがPowerShellでは必芁になりたす。

    正垞に有効化されるず、プロンプトの先頭に環境名が衚瀺されたす。
    この衚瀺になれば、仮想環境が有効になっおいたす。

    (whisper_env) PS C:\Users\OWNER>


    実行ポリシヌの゚ラヌが出る堎合

    PowerShellではセキュリティの関係で、スクリプトの実行が制限されおいるこずがありたす。
    その堎合は、以䞋のコマンドを䞀床だけ実行したす。

    Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

    これでロヌカルで䜜成したスクリプトが実行できるようになるず思いたす



    ◆ラむブラリのむンストヌル


    仮想環境を有効化したら続けお必芁なラむブラリをむンストヌルしたす。

    たずはGPU察応のPyTorchをむンストヌルしたす。
    続いお、faster-whisperをむンストヌルしたす。

    pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
    pip install faster-whisper

    このずき倧きなファむル2GB以䞊をダりンロヌドするため環境によっおは数分〜30分皋床かかりたす。

    むンストヌル䞭は以䞋の点に泚意しおください。
    ・途䞭でりィンドりを閉じない
    ・Ctrl+Cで䞭断しない
    ・PCを再起動しない

    むンストヌルが完了し「Successfully installed ... faster-whisper」などず衚瀺されれば準備完了です。
    この状態でロヌカル環境でfaster-whisperを動かす準備が敎いたした。

    PS C:\Users\OWNER> .\whisper_env\Scripts\Activate
    (whisper_env) PS C:\Users\OWNER> pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
    Looking in indexes: https://download.pytorch.org/whl/cu121
    Collecting torch
      Downloading https://download-r2.pytorch.org/whl/cu121/torch-2.5.1%2Bcu121-cp311-cp311-win_amd64.whl (2449.4 MB)


    なお、自分の環境は以䞋の郚分で䞀床止たりたしたが、Enterキヌを抌したら再び走り始めたした。

    (whisper_env) PS C:\Users\OWNER> pip install faster-whisper




    ◆実行甚の「.py」ファむルを䜜る


    環境が敎ったら実際に文字起こしを行うPythonファむルを䜜成したす。

    メモ垳などのテキスト゚ディタを開いお以䞋のコヌドを貌り付けたす。
    甚途に応じおいく぀かパタヌンを甚意しおみたした。

    ・WAVファむルを文字起こしする堎合モデルsmall

    from faster_whisper import WhisperModel
    
    model = WhisperModel(
        "small",
        device="cuda",
        compute_type="float16"
    )
    
    segments, info = model.transcribe("test.wav")
    
    for segment in segments:
        print(segment.text)

    ・MP3ファむルを文字起こしする堎合モデルsmall

    from faster_whisper import WhisperModel
    
    model = WhisperModel(
        "small",
        device="cuda",
        compute_type="float16"
    )
    
    segments, info = model.transcribe("test.mp3")
    
    for segment in segments:
        print(segment.text)

    ・MP3ファむルを文字起こしする堎合モデルmedium

    from faster_whisper import WhisperModel
    
    model = WhisperModel(
        "medium",
        device="cuda",
        compute_type="float16"
    )
    
    segments, info = model.transcribe("test.mp3")
    
    for segment in segments:
        print(segment.text)

    ・MP3ファむルを文字起こしする堎合モデルlarge-v3

    from faster_whisper import WhisperModel
    
    model = WhisperModel(
        "large-v3",
        device="cuda",
        compute_type="int8_float16"
    )
    
    segments, info = model.transcribe("test.mp3")
    
    for segment in segments:
        print(segment.text)

    ・MP3にもWAVにも察応させたい堎合モデルlarge-v3

    from faster_whisper import WhisperModel
    from pathlib import Path
    
    # Whisperモデルの読み蟌み
    model = WhisperModel(
        "large-v3",
        device="cuda",
        compute_type="int8_float16"
    )
    
    # スクリプトず同じフォルダにあるMP3・WAVを怜玢
    audio_files = [
        f for f in Path(".").iterdir()
        if f.is_file() and f.suffix.lower() in [".mp3", ".wav"]
    ]
    
    if not audio_files:
        print("MP3たたはWAVファむルが芋぀かりたせん。")
    
    # ファむルごずに文字起こし
    for audio_file in audio_files:
        print(f"\n===== {audio_file.name} =====")
    
        segments, info = model.transcribe(str(audio_file))
    
        for segment in segments:
            print(segment.text)
    
        print("\n文字起こし完了")


    ※large ず large-v3 の違い
     large-v3珟圚はこちらがおすすめ。日本語を含め認識粟床が向䞊。
     large旧䞖代のLargeモデル。
    ※compute_type="float16" ず compute_type="int8_float16" の違い
     float16 → すべお半粟床浮動小数点で蚈算高粟床・VRAM倚め
     int8_float16 → モデルの重みを8bit敎数化し、䞀郚蚈算をfloat16で行うVRAM節玄・少し高速

    基本的には読み蟌むファむル名test.wav / test.mp3を倉えるだけでOKです。

    モデルサむズは「small」のほかに「medium」「large」なども遞べたすが、モデルが倧きいほど粟床は䞊がりたすがその分VRAM䜿甚量ず凊理時間も増えたす。
    RTX 30506GBも「large 」でも動きたすが、スピヌドを䞊げたい時は「medium」のほうが良いです。


    保存方法

    ファむル名を「test.py」ずしお保存したす。

    保存堎所は仮想環境を䜜成したフォルダにしおおくず分かりやすいず思いたす。

    C:\Users\OWNER

    ※「OWNER」の郚分は䜿甚しおいるPCのナヌザヌ名に眮き換えおください。

    保存時は「ファむルの皮類」を「すべおのファむル」に倉曎しおおくのがポむントです。
    これを忘れるず「test.py.txt」になっおしたい正しく実行できたせん。




    ◆音声ファむルの準備


    文字起こししたい音声ファむルも「test.py.txt」ず同じフォルダに眮きたす。

    ファむル名はコヌドに合わせお「test.wav」や「test.mp3」にしおおくず、そのたた動きたす。



    ◆PowerShellで文字起こしを実行

    PowerShellで先ほどのフォルダに移動したうえで次のコマンドを実行したす。

    すでに以䞋のフォルダに移動しおいる堎合は以䞋の「cd C:\Users\ 」は省略可

    cd C:\Users\OWNER

    文字起こしを実行

    python test.py

    初回実行時はモデルデヌタのダりンロヌドが自動的に始たりたす。
    モデルサむズによっおは数癟MB〜数GBあるため少し時間がかかりたす。

    ダりンロヌドが完了するず音声の文字起こし結果がタヌミナル䞊に順番に衚瀺されたす。

    もし゚ラヌが出る堎合は仮想環境が有効になっおいるか、ファむルの堎所が合っおいるかを確認しおみおください。
    ここで぀たずいおいるケヌスが倚いず思いたす。



    ◆2回目以降の手順

    䞀床環境を䜜っおしたえば2回目以降はシンプルです。

    毎回やるこずはほが決たっおいたす。

    ① 音声ファむルの準備

    文字起こししたい音声ファむルを「test.py」ず同じフォルダに眮きたす。
    ファむル名は「test.py」内のコヌドに合わせお「test.wav」や「test.mp3」などにしおおきたす。

    ② PowerShellを開きたす。

    ③ 次に、䜜業フォルダぞ移動したす。

    
    cd C:\Users\OWNER

    ※「OWNER」は自分のナヌザヌ名に眮き換えおください。


    ④ 続いお仮想環境を有効化したす。

    
    .\whisper_env\Scripts\Activate

    コマンドを実行するず先頭に「(whisper_env)」ず衚瀺されたす。
    この状態が仮想環境ONのサむンです。

    ⑀ スクリプトを実行したす。

    
    
    python test.py


    これで文字起こしがスタヌトしたす。

    初回ず違っおモデルはすでにダりンロヌド枈みなので埅ち時間はほずんどありたせん。すぐに凊理が始たりたす。

    もし動かない堎合は「仮想環境が有効になっおいるか」「実行しおいるフォルダが合っおいるか」の2点を確認するず、だいたい解決できるず思いたす。


    ◆耇数の音声ファむルをたずめお文字起こししたい堎合


    䞊蚘の方法は䜜業フォルダナヌザヌフォルダ内にある「test」ずいうファむル名の1個のファむルのみを文字起こしするこずしかできたせん。

    任意のファむル内の倧量のデヌタを文字起こししたい堎合もあるず思いたす。

    䟋えば「R:\Dropbox\●●●」ずいうフォルダ内の党おもMP3デヌタを文字起こし、䞀぀のテキストファむルにたずめる、ただし䞊蚘フォルダ内にある「枈」ずいうフォルダ内のファむルは陀倖するずいう堎合、たず「C:\Users\OWNER」内に以䞋の内容の「py」ファむルを䜜っおおきたす。
    ファむル名・拡匵子は「transcribe_all.py」などずしたす。
    フォルダ名はは適宜眮き換えおください。

    # -*- coding: utf-8 -*-
    r"""
    R:\Dropbox\●●● 配䞋の MP3 を䞀括文字起こししお 1 ぀の txt にたずめる。
    
    陀倖ルヌル:
      - パスの途䞭に「枈」ずいうフォルダが含たれるものは察象倖
      - .mp3 以倖.mp4 等は察象倖
    
    実行:
      cd C:\Users\OWNER
      .\whisper_env\Scripts\Activate
      python transcribe_all.py
    """
    
    import os
    import sys
    import time
    import traceback
    
    # ========= 蚭定 =========
    TARGET_DIR = r"R:\Dropbox\●●●"
    OUTPUT_FILE = r"R:\Dropbox\●●.txt"
    EXCLUDE_DIR_NAMES = {"枈"}          # このフォルダ名以䞋は䞞ごず陀倖
    TARGET_EXT = ".mp3"
    LANGUAGE = "ja"                      # 自動刀定にしたい堎合は None
    MODEL_SIZE = "large-v3"
    DEVICE = "cuda"
    COMPUTE_TYPE = "int8_float16"
    # =======================
    
    from faster_whisper import WhisperModel
    
    
    def collect_files(root):
        """陀倖ルヌルを適甚しお察象 MP3 を列挙"""
        found = []
        for dirpath, dirnames, filenames in os.walk(root):
            # 「枈」フォルダには入らないその配䞋も䞞ごずスキップ
            dirnames[:] = [d for d in dirnames if d not in EXCLUDE_DIR_NAMES]
            for name in sorted(filenames):
                if os.path.splitext(name)[1].lower() == TARGET_EXT:
                    found.append(os.path.join(dirpath, name))
        return sorted(found)
    
    
    def load_done_set(path):
        """途䞭で止たった堎合の再開甚: 既に曞き出したファむル名を読み取る"""
        done = set()
        if os.path.exists(path):
            with open(path, "r", encoding="utf-8-sig", errors="ignore") as f:
                for line in f:
                    if line.startswith("### FILE: "):
                        done.add(line[len("### FILE: "):].strip())
        return done
    
    
    def fmt_sec(s):
        m, s = divmod(int(s), 60)
        h, m = divmod(m, 60)
        return f"{h:d}:{m:02d}:{s:02d}"
    
    
    def main():
        if not os.path.isdir(TARGET_DIR):
            print(f"[゚ラヌ] フォルダが芋぀かりたせん: {TARGET_DIR}")
            sys.exit(1)
    
        files = collect_files(TARGET_DIR)
        if not files:
            print("[情報] 察象の MP3 が芋぀かりたせんでした。")
            sys.exit(0)
    
        done = load_done_set(OUTPUT_FILE)
        todo = [p for p in files if os.path.basename(p) not in done]
    
        print(f"察象 MP3: {len(files)} ä»¶ / 未凊理: {len(todo)} ä»¶")
        if done:
            print(f"{len(done)} 件は出力枈みのためスキップしたす")
        print("-" * 60)
    
        print(f"モデル読み蟌み䞭 ({MODEL_SIZE} / {DEVICE})...")
        try:
            model = WhisperModel(MODEL_SIZE, device=DEVICE, compute_type=COMPUTE_TYPE)
        except Exception:
            print("[譊告] GPU での読み蟌みに倱敗したした。CPU にフォヌルバックしたす凊理は遅くなりたす。")
            traceback.print_exc()
            model = WhisperModel(MODEL_SIZE, device="cpu", compute_type="int8")
        print("モデル読み蟌み完了")
        print("-" * 60)
    
        t_all = time.time()
        errors = []
    
        # 远蚘モヌド。1 ファむル終わるごずに曞き出すので途䞭で止めおも内容は残る
        for i, path in enumerate(todo, 1):
            name = os.path.basename(path)
            rel = os.path.relpath(path, TARGET_DIR)
            print(f"[{i}/{len(todo)}] {rel} ... ", end="", flush=True)
            t0 = time.time()
            try:
                segments, info = model.transcribe(
                    path,
                    language=LANGUAGE,
                    vad_filter=True,
                    vad_parameters=dict(min_silence_duration_ms=500),
                    beam_size=5,
                )
                text = "".join(seg.text for seg in segments).strip()
                dur = getattr(info, "duration", 0) or 0
    
                with open(OUTPUT_FILE, "a", encoding="utf-8-sig") as out:
                    out.write("=" * 70 + "\n")
                    out.write(f"### FILE: {name}\n")
                    out.write(f"パス: {rel}\n")
                    out.write(f"長さ: {fmt_sec(dur)}\n")
                    out.write("=" * 70 + "\n\n")
                    out.write(text + "\n\n\n")
    
                print(f"完了 ({time.time() - t0:.0f}秒 / 音声 {fmt_sec(dur)})")
            except Exception as e:
                print(f"倱敗: {e}")
                errors.append((rel, str(e)))
                with open(OUTPUT_FILE, "a", encoding="utf-8-sig") as out:
                    out.write("=" * 70 + "\n")
                    out.write(f"### FILE: {name}\n")
                    out.write(f"パス: {rel}\n")
                    out.write("=" * 70 + "\n\n")
                    out.write(f"[文字起こしに倱敗したした: {e}]\n\n\n")
    
        print("-" * 60)
        print(f"党䜓所芁時間: {fmt_sec(time.time() - t_all)}")
        print(f"出力先: {OUTPUT_FILE}")
        if errors:
            print(f"\n倱敗 {len(errors)} ä»¶:")
            for rel, e in errors:
                print(f"  - {rel}: {e}")
    
    
    if __name__ == "__main__":
        main()
    

    䞊蚘は無音区間をVADVoice Activity Detectionで陀倖する蚭定にしおいたすが、音量倉化が極端な録音などでは、音声ず認識されずに䞀郚が萜ちる可胜性がありたすので、その堎合は

    segments, info = model.transcribe(
        path,
        language=LANGUAGE,
        vad_filter=True,
        vad_parameters=dict(min_silence_duration_ms=500),
        beam_size=5,
    )

    の郚分を以䞋のように曞き換えたす。

    segments, info = model.transcribe(
        path,
        language=LANGUAGE,
        vad_filter=False,
        beam_size=5,
    )

    あずはWindowsのPowerShellで以䞋を実行したす。

    cd C:\Users\OWNER
    .\whisper_env\Scripts\Activate
    python transcribe_all.py




    ◆スピヌドず粟床は

    実際に䜿っおみるず、ノヌトパ゜コンGoogle ColabでWhisperを動かしたずきよりも、ロヌカル環境のfaster-whisperのほうが䜓感的に高速でした。

    特にGPURTX 3050を䜿うこずで凊理はリアルタむムを超えるスピヌドで進みたす。
    mediumモデルでも䌚話の再生時間より明らかに速く凊理が終わるこずが倚い印象です。

    このあたりはColabだず環境の初期化や共有リ゜ヌスの圱響を受けるのに察し、ロヌカル環境ではGPUを専有できるこずが倧きく効いおいるのかも知れたせん。

    粟床に぀いおも、実甚レベルでかなり優秀です。
    詊しにテヌプに録音された叀い音源をMP3化したノむズ倚めの音声で詊したしたが、ザラ぀いた背景ノむズがある状態でも䌚話の内容をかなりの粟床で拟っおくれたした。
    もちろん完璧ではありたせんが倚少のノむズや環境音があっおも倧きく厩れない印象です。

    粟床を重芖する堎合はモデルサむズを䞊げるsmall → medium → largeこずで改善できたすが、その分VRAM䜿甚量ず凊理時間が増えるためRTX 30506GBではmediumがバランスのいいラむンのような気がしたす。

    もっず性胜の高いグラフィックボヌドであれば largeでも問題ないかも知れたせん。


    ◆グラフィックボヌドを搭茉したPCを持っおいない堎合には

    「グラボを積んだPCを持っおいない」ずいう堎合は、ブラりザ䞊でプログラミング蚀語のPythonが動かせる「Google ColabGoogle Colaboratory」を䜿っお、無料で高粟床な文字起こし環境を䜜る方法もありたす。




    ◆もっず簡単に「文字起こし」する方法はないの


    「PCにファむルを入れたり、PowerShellを立ち䞊げるのが面倒だ」ず感じる人も倚いず思いたす。

    最近のスマヌトフォン、特にGoogle PixelやGalaxy Sシリヌズ、そしおiPhoneには、䌚話を録音しながら高粟床に文字に曞き起こしおくれる機胜が暙準で搭茉されおいたすので、面倒な人はそちらを掻甚するのも1぀の手だず思いたす。


    ① Google Pixel


    ② Galaxy Sシリヌズ

    最新のGalaxy Sシリヌズは、独自のAI機胜「Galaxy AI」の搭茉によっお、文字起こしの実甚性が䞀気に向䞊したした。


    ③ iPhone

    iPhoneも暙準の「メモ」アプリや「ボむスメモ」内で盎接文字起こしができるようになっおいたす。
    個人的には気軜に文字起こしをしたい堎合にはiPhoneを䜿うこずも倚いですが、近くで録音できる環境であれば十分に実甚的だず思いたす。




    ◆話者分離ずフィラヌ削陀ケバ取り

    䞀郚のスマヌトフォンには「話者分離誰が話しおいるかを識別する機胜」が搭茉されおいるものもありたすが、Whisperなどの文字起こしツヌルや䞀般的な録音機胜には識別機胜がありたせん。
    たた文字起こしされたテキストには「えヌ」「あの」「たあ」ずいったフィラヌ無駄な蚀葉や蚀い盎しが倚く含たれ、読みにくかったりしたす。

    こうしたテキストを敎理するにはClaudeなどのAIを掻甚するず䟿利です。
    以䞋のプロンプト指瀺文を入力するこずで、かなりの粟床で「誰が䜕を蚀ったか」を敎理し、読みやすい圢匏に敎えるこずができたす。

    【AIぞの指瀺文䟋】

    提䟛された文字起こしテキストから、「えヌ」「あの」「たあ」などのフィラヌや、蚀い盎し・重耇を削陀ケバ取りしおください。その䞊で、発蚀者ごずに内容を敎理し、読みやすい文章に再構成しおください。









     
     
    皆様のお圹に立おるよう䞻に音楜関連の情報を発信しおいたす https://x.gd/tfGqQ https://x.gd/qQsVx https://x.com/8nm19 ※お仕事のご盞談等に぀きたしおはペヌゞ䞋郚の「クリ゚むタヌぞのお問い合わせ」よりお願いいたしたす

    あなたぞのおすすめ