スクリプトをテキストエディタ等で保存する際は、文字コードを UTF-8(BOMなし)、改行コードを LF に設定してください。Windowsのメモ帳などで標準の「BOM付きUTF-8」や「CRLF」のままで保存すると、Google Colab側で読み込む際にエラーの原因になることがあります。
------------
2. Google Colabでの実行手順
------------
2) 画面右上の[▼ ランタイムのタイプを変更]をクリックし、ハードウェアアクセラレータを「T4 GPU」に設定して保存する。
3) [+ コード]をクリックし、入力欄に以下の1行を貼り付けて(▶)(実行)し、必要なライブラリをインストールする。
----------ココカラ-------------------------------------------
!pip install -U openai-whisper pydub
----------ココマデ-------------------------------------------
4) インストールが終わったら、新しいコードセル([+ コード])を追加し、以下のコードを貼り付けて(▶)(実行)する。
----------ココカラ-------------------------------------------
from google.colab import drive
import os
drive.mount('/content/drive')
script_path = "/content/drive/MyDrive/whisper_task/transcribe_meeting.py"
if os.path.exists(script_path):
get_ipython().system(f'python "{script_path}"')
else:
print(f"エラー: {script_path} が見つかりません。")
----------ココマデ-------------------------------------------
5) 数秒後にGoogleドライブへのアクセス許可を求める画面が出るので、ドキュメント、書類等にチェックを入れて許可する。
(後日、同様の処理をする場合、再度、Googleドライブへの接続確認があります)
6) 処理が始まったら完了まで待つ。
(※30分の音声につき、文字起こしに約30分かかります。処理中はPCがスリープしたり、ブラウザのタブが省メモリモードで停止したりしないよう、Colabのタブを前面に出したままにしておくのが安全です)
7) 処理が無事に終わると自動でGPUの接続が切断され、「whisper_task」フォルダの中に完成品である「meeting_all.txt」が出力されるのでダウンロードする。
8)「meeting_all.txt」をAI(お好きなAIさん使ってください)に転送。「whisperでテキスト化したものから議事録作ってください。」と、お願いすれば、ハイ。出来上がり。
Wordにでも貼り付けて、内容確認、体裁を整えてください。
「meeting_all.txt」は、タイムスタンプ付きなので、あとで聞き直し、読み直しするときも便利かと思います。
------------
3. 処理完了後の後片付け
------------
次回もスムーズに実行できるよう、作業が終わったらデータを整理しておきます。
・ダウンロード完了後、Googleドライブ内の「whisper_task」フォルダをフォルダごと削除する。
・作成したColabノートブックも、不要になったらColabの履歴やGoogleドライブのホーム画面から削除する。
------------
4. 運用上のポイントとTips
------------
■ 精度の限界と人間チェックの重要性
Whisperの精度は非常に高いですが完璧ではありません。特に「人名」「固有名詞」「金額」「日数」「個数」などは誤認識されやすいため、議事録としてまとめる際は必ず人間の目で確認・修正を行ってください。
■ モデルの選択について
スクリプトでは「large-v3」を指定しています。時間はかかりますが(30分音声で約30分)、日本語の漢字・カタカナの変換精度が最も高いためおすすめです。「small」などの軽量モデルは高速ですが、日本語の漢字やカタカナの組み合わせが崩れやすく議事録には不向きです。(smallで作成したテキストをAIに読ませても、それなりの議事録作成もできます)
■ 専門用語対策(--initial_prompt)
スクリプト内の cmd の部分に「--initial_prompt」を追加すると、会議に出そうな専門用語や参加者の名前を事前にヒントとして与えることができ、誤認識を大幅に減らせます。
例:--initial_prompt "出席者:鈴木、佐藤。プロジェクト名:〇〇システム、API"
■ 時間制限と連続利用時の注意点
・このスクリプトは3.5時間以内(30分×最大7分割)を想定しています。スクリプト内の「for i in range(7):」の数字を大きくすればさらに長時間の処理も可能ですが、GPUの利用時間制限にご注意ください。
・3時間ほどの文字起こしを行うとGPUの無料枠上限に達するため、連続での処理はできません(24時間ほど空ける必要があります)。お急ぎの場合は別のGoogleアカウントを利用してください。
------------
5. エラーが出たときの対処手順
------------
途中でエラーが起きて止まってしまった場合は、以下の流れでリセットします。
1) ランタイムを切断・削除する
画面右上の[▼(ランタイムメニュー)]>[ランタイムの接続を解除して削除]を選択し、GPU資源の消費を即座にストップする。
2) 原因を調査・修正する
エラーメッセージを確認し、Googleドライブ内の「transcribe_meeting.py」やColab上のコードを修正する。
3) 再度GPUモードにして実行する
再び[▼ ランタイムのタイプを変更]で「T4 GPU」に設定し直して再接続し、スクリプトを再実行する。
------------
付録:スクリプト本体(transcribe_meeting.py)
------------
以下をコピーして「transcribe_meeting.py」というファイル名で保存してください。
----------ココカラ-------------------------------------------
# ==========================================
# 1. ライブラリの読み込みと初期設定
# ==========================================
from google.colab import drive
import os
import re
from datetime import timedelta
from pydub import AudioSegment
# ドライブ接続(※すでにマウント済みの場合はそのまま通過します)
drive.mount('/content/drive')
# 専用フォルダと音声ファイルの設定
drive_path = "/content/drive/MyDrive/whisper_task/"
os.makedirs(drive_path, exist_ok=True)
file_name = os.path.join(drive_path, "meeting.mp3")
if not os.path.exists(file_name):
raise FileNotFoundError(f"エラー: {file_name} が見つかりません。Googleドライブの whisper_task フォルダに meeting.mp3 を置いてから再開してください。")
# ==========================================
# 2. 前処理(音声の30分分割)
# ==========================================
print("音声ファイルを読み込んで分割処理を行っています...")
audio = AudioSegment.from_mp3(file_name)
thirty_minutes = 30 * 60 * 1000
for i, chunk in enumerate(audio[::thirty_minutes]):
chunk_path = os.path.join(drive_path, f"chunk_{i}.mp3")
chunk.export(chunk_path, format="mp3")
print(f" -> chunk_{i}.mp3 を作成しました")
# ==========================================
# 3. 本処理(Whisperによる文字起こし)
# ==========================================
print("\nWhisperによる文字起こしを開始します(1ファイル30分につき約30分かかります)...")
# 3.5時間分(最大7個のchunk)を想定して自動でループ処理
for i in range(7):
chunk_mp3 = os.path.join(drive_path, f"chunk_{i}.mp3")
if os.path.exists(chunk_mp3):
print(f"chunk_{i}.mp3 を文字起こし中...")
cmd = f'whisper "{chunk_mp3}" --language Japanese --model large-v3 --output_dir "{drive_path}" --verbose True'
os.system(cmd)
print(f"chunk_{i}.mp3 の文字起こしが完了しました!")
# ==========================================
# 4. 後処理(.vtt合体ロジック)
# ==========================================
print("\nファイルの合体処理を開始します...")
def vtt_time_to_timedelta(time_str):
m, s = time_str.split(':')
s, ms = s.split('.')
return timedelta(minutes=int(m), seconds=int(s), milliseconds=int(ms))
def timedelta_to_short_str(td):
total_seconds = int(td.total_seconds())
hours = total_seconds // 3600
minutes = (total_seconds % 3600) // 60
seconds = total_seconds % 60
return f"{hours:02d}:{minutes:02d}:{seconds:02d}"
output_file = os.path.join(drive_path, "meeting_all.txt")
with open(output_file, "w", encoding="utf-8") as outfile:
for i in range(7):
vtt_filename = os.path.join(drive_path, f"chunk_{i}.vtt")
if not os.path.exists(vtt_filename):
break
offset = i * 30
outfile.write(f"\n--- 【会議開始から {offset}分 から {offset+30}分の区間】 ---\n\n")
with open(vtt_filename, "r", encoding="utf-8") as infile:
content = infile.read()
pattern = r"(\d{2}:\d{2}\.\d{3}) --> (\d{2}:\d{2}\.\d{3})\n(.*)"
matches = re.findall(pattern, content)
for start, end, text in matches:
t_start = vtt_time_to_timedelta(start) + timedelta(minutes=offset)
t_end = vtt_time_to_timedelta(end) + timedelta(minutes=offset)
outfile.write(f"[{timedelta_to_short_str(t_start)} -> {timedelta_to_short_str(t_end)}] {text.strip()}\n")
print(f"処理が完了しました。「{os.path.basename(output_file)}」が作成されました。")
# ==========================================
# 5. 安全装置(自動切断)
# ==========================================
print("\nすべての処理が完了しました。GPUセッションを自動終了します。")
from google.colab import runtime
runtime.unassign()