無料多言語文字起こし — 100以上の言語に対応

Whisperは100以上の言語をサポートしています。英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、オランダ語、ロシア語、中国語（標準語）、日本語、韓国語、アラビア語、ヒンディー語、ベンガル語、トルコ語、ベトナム語、タイ語、インドネシア語、マレー語、スワヒリ語、ポーランド語、チェコ語、スウェーデン語、デンマーク語、フィンランド語、ノルウェー語、ギリシャ語、ヘブライ語、ルーマニア語、ウクライナ語など多数。

精度は言語によって異なります。リソースが豊富な言語（スペイン語、フランス語、ドイツ語、中国語、日本語）は英語に近い精度を達成します。リソースの少ない言語では、特にアクセントの強い音声や専門用語では精度が低下する場合があります。まず短いサンプルでテストしてください。

Whisperはある程度のコードスイッチングを処理できますが、音声が主に一つの言語である場合に精度が最も高くなります。複数言語が混在する会議では、タイムスタンプを記録し、各言語セグメントを個別に処理することをお勧めします。

はい。Whisperは声調言語を含む多様な音声で訓練されており、中国語（標準語）、広東語、ベトナム語、タイ語などで正確な文字起こしを生成します。出力は各言語の標準的な文字体系（簡体字/繁体字、声調記号付きベトナム語など）を使用します。

はい。Whisperはアラビア語、ヘブライ語、ペルシア語（ファルシー語）、ウルドゥー語を完全にサポートしています。文字起こしテキストは正しい文字で生成され、エクスポートはRTLテキストを正しくエンコードします。テキストエディタや字幕プレーヤーが表示方向を処理します。

はい。デフォルトでは、Whisperは音声の最初の30秒で話されている言語を自動的に検出します。精度を上げるため — 特に短いクリップやあまり一般的でない言語では — 文字起こし前に手動で言語を選択できます。自動検出は最も一般的な言語で確実に動作します。