mcpField
W
whisper

whisper

github.com/trpc-groupクリエイティブ・メディア1.9k50 回インストール今日更新
リポジトリ

whisper について

whisper は、OpenAI Whisper で音声ファイルを文字起こしする skill で、録音を扱うユーザー向けです。多様な音声形式と 90 以上の言語に対応し、タイムスタンプやテキスト・JSON 出力を選べます。

主な機能

  1. 01複数の音声形式を文字起こし
  2. 0290 以上の言語を自動検出
  3. 03タイムスタンプの任意生成
  4. 04複数のモデルサイズを選択
  5. 05テキストまたは JSON で出力

活用シーン

  1. 01録音をテキストに変換
  2. 02文字起こしにタイムスタンプを追加
  3. 03JSON 形式の文字起こしを作成

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/trpc-group/trpc-agent-go --skill whisper

インストール後、Claude Code で/whisperを入力して読み込まれたか確認します。

同梱ファイルscripts/transcribe.py

詳細

Whisper 音声文字起こしスキル

OpenAI Whisper を使用して、音声ファイルをテキストに文字起こしします。

機能

  • 音声ファイル（MP3、WAV、M4A、FLAC、OGG など）をテキストに文字起こし
  • 90 以上の言語に対応し、自動検出も可能
  • タイムスタンプを任意で生成
  • 複数のモデルサイズ（tiny/base/small/medium/large）
  • プレーンテキストまたは JSON 形式で出力

使い方

基本的な文字起こし
python3 scripts/transcribe.py <audio_file> <output_file>
オプションを指定する場合
# Specify model size (default: base)
python3 scripts/transcribe.py audio.mp3 transcript.txt --model medium

# Specify language (improves accuracy)
python3 scripts/transcribe.py audio.mp3 transcript.txt --language zh

# Include timestamps
python3 scripts/transcribe.py audio.mp3 transcript.txt --timestamps

# JSON output with metadata
python3 scripts/transcribe.py audio.mp3 output.json --format json

パラメーター

  • audio_file（必須）：入力音声ファイルのパス
  • output_file（必須）：出力するテキスト／JSON ファイルのパス
  • --model：Whisper モデルのサイズ（tiny/base/small/medium/large、既定値：base）
  • --language：言語コード（例：en、zh、es、fr、自動検出の場合は auto）
  • --timestamps：出力に単語単位のタイムスタンプを含めます
  • --format：出力形式（text/json、既定値：text）

モデルサイズ

モデルパラメーター数速度精度メモリ
tiny39M~32x良好~1GB
base74M~16xより良好~1GB
small244M~6x非常に良好~2GB
medium769M~2x優秀~5GB
large1.5B1x最高~10GB

対応する音声形式

MP3、WAV、M4A、FLAC、OGG、AAC、WMA など（FFmpeg 経由）

依存関係

  • Python 3.8+
  • openai-whisper
  • ffmpeg

インストール

pip install openai-whisper
sudo apt-get install ffmpeg  # Ubuntu/Debian

コメント

Markdown 対応