仕組みを知る

Whisperの文字起こしを、ブラウザ・API・自分のMacの3つのやり方で費用と手間から整理しました。当社の実機では10分の録音が23秒。一方で辞書に登録しても4通り全部直らなかった語があり、同じ辞書でも喋る人が変わると結果が割れました。

Whisperのモデル選びは日本語ならlarge-v3-turboが事実上の正解です（2026年8月17日確認）。公式の表と実サイズ、量子化で約550MBになること、速さはモデルより常駐で決まることを実測値つきで整理しました。

何も話していないのに「ご視聴ありがとうございました」と入るのはWhisperの性質です。よく勧められる無音検出は辞書と両立しませんでした。当社が実測した無音の判定値と、2段構えの対処をそのまま載せます。

月額ソフトは毎日ライセンスを確認し、一定日数つながらないと止まります。Microsoft 365は30日、Adobeの年払いは99日と公式に明記（2026年8月17日確認）。出張や現場で使う前に見る記事です。

文字起こしをローカルでやる意味を、各社が公開している取り扱いの原文から整理しました（2026年8月17日確認）。クラウドは学習に使わない・保存しない設定もありますが、社内規程が禁じるのは送信そのものです。

Whisperでリアルタイム文字起こしができない理由は受容野30秒という作りにあります（2026年8月17日確認）。0.5秒ごとに回す回避策と3.3秒遅延の研究例、音声入力の実用ラインを当社実測の数値つきで整理しました。

Whisperをローカルで動かす方法と限界を実測でまとめました（2026年8月17日確認）。MacはApple Neural Engineで3倍以上速くなります。最大の落とし穴は毎回モデルを読み直すと1回9.4秒かかること。常駐なら0.5〜0.8秒です。