インタビューを文字起こし — 無料・プライベート・高精度

はい。Whisper WebはWebGPUまたはWebAssemblyを使用してブラウザ内で完全に音声を処理します。音声データがサーバーに送信されることは一切ありません。機密インタビュー、匿名の情報源、内部告発者の録音、機密性の高い研究対象に適しています。

OpenAI Whisperはクリアで良好な録音品質の音声で95%以上の精度を達成しています。最良の結果を得るためには、専用マイクを使用し、静かな環境で録音してください。公開前に必ず校正してください。特に固有名詞、専門用語、人名にはご注意ください。

Whisperは多様なデータセットで訓練されており、ほとんどのアクセントに対応しています。非常に強いアクセントや地方の方言は精度が低下する場合がありますが、英語の多様な変種や100以上の他言語でも全般的に良好なパフォーマンスを発揮します。

WebGPU対応環境（Chrome/Edge）では、1時間のインタビューは通常8〜15分かかります。WebGPUなしの場合は20〜40分程度です。30分のインタビューはWebGPU有効で3〜5分で処理されます。

現在、Whisper Webは話者ラベル（ダイアライゼーション）なしの単一の連続トランスクリプトを生成します。文字起こし後に手動で話者識別子を追加できます。話者ダイアライゼーションは将来のアップデートのロードマップに含まれています。