Whisper2024-03-25

prev Whisperの活用振り返り

• Whisper

3h44録音をWhisper APIに渡してみた

• Speech to text - OpenAI API python whisper.py 0.37s user 0.18s system 0% cpu 10:00.79 total 後半はノイズだけだったので実質2時間だった

1時間の勉強会音声で試す python whisper.py 0.34s user 0.14s system 0% cpu 3:27.50 total さっきの例と違ってこちらは1時間ほぼずっと話している 1時間の音声で、処理時間が3分半、費用が40セント 得られた文字起こしをClaudeにまとめさせた

• 勉強会の音声を文字起こししてAIまとめ

コードは何も難しくない python

audio_file = open(audio_path, "rb")
transcription = client.audio.transcriptions.create(
    model="whisper-1", file=audio_file
)
print(transcription.text)
with open(f"whisper_out/{indir}_{audio}.txt", "w") as f:
    f.write(transcription.text)

一番時間がかかったのはffmpegのインストール、gccとか入れ始める

• $ brew install ffmpeg
• なお音声ファイルの分割のためなので音声ファイルが25MB以下なら必要ない
• 上記の1時間喋りまくりの音声が15MBだから、1時間で刻んでくれる録音アプリを使ってるなら必要ない