BrendownFerreira/transcriber

これは何？

主な機能

• 01YouTubeのURLや、.mp3、.mp4、.wavなどのアップロードファイルを文字起こしします。
• 02WebSockets経由でジョブの進捗をリアルタイムに表示します。
• 03openai-whisperとfaster-whisperのエンジンを選択でき、NVIDIA CUDAにも対応しています。
• 04ライブラリでメディアファイルと文字起こし結果を組み合わせて表示し、削除できます。
• 05複数ステージでビルドされ、root以外のユーザーで動作するDockerイメージを提供します。

ユースケース

• インタビューや録音データを、サードパーティのサービスにアップロードせずに文字起こしする。
• YouTube動画を読んだり検索したりできるよう、テキストの文字起こしを作成する。
• ホームサーバーや内部ネットワークで、プライベートな文字起こしサービスを運用する。

クイックスタート

1. 1

   仮想環境を作成して有効化する（macOS/Linux）

   python -m venv .venv
2. 2

   仮想環境を有効化する（macOS/Linux）

   source .venv/bin/activate
3. 3

   自動インストーラーを実行する（GPUサポートと依存関係をインストール）

   python install.py
4. 4

   アプリケーションを起動し、http://localhost:8000 を開く

   uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

使う前に知っておきたいこと

• !NVIDIA GPUを安定してサポートするにはPython 3.10～3.12が必要です。Python 3.13以降では、CPUのみのPyTorchにフォールバックする場合があります。
• !NVIDIA GPUは必須ではありませんが、文字起こしを高速化するには必要です。
• !FFmpegが必要です。自動インストールに失敗した場合は、手動で設定する必要があります。

トピック

よくある質問

transcriber とは？

OpenAI WhisperでYouTube動画やローカルの音声・動画ファイルを文字起こしする、自前環境で動くセルフホスト型Webアプリ。 Transcriberは、YouTubeのリンクやアップロードした音声・動画ファイルを、OpenAI Whisperでテキストに変換するFastAPI製のWebアプリです。処理はローカルで実行されるため、メディアをクラウドの文字起こしサービスに送る必要がなく、サブスクリプションも不要です。

transcriber は無料で使えますか？ライセンスは？

transcriber にはライセンスが明記されていません。コードは公開されていますが、ライセンスがない場合は再利用の許諾がないため、利用前に作者に確認することをおすすめします。

transcriber は今もメンテナンスされていますか？

半年以上コミットなし。transcriber の最終コミットは 2026年3月18日 です。

transcriber は何に使えますか？

インタビューや録音データを、サードパーティのサービスにアップロードせずに文字起こしする。 YouTube動画を読んだり検索したりできるよう、テキストの文字起こしを作成する。 ホームサーバーや内部ネットワークで、プライベートな文字起こしサービスを運用する。

transcriber のインストール方法は？

仮想環境を作成して有効化する（macOS/Linux）: python -m venv .venv 仮想環境を有効化する（macOS/Linux）: source .venv/bin/activate 自動インストーラーを実行する（GPUサポートと依存関係をインストール）: python install.py アプリケーションを起動し、http://localhost:8000 を開く: uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

transcriber はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/BrendownFerreira/transcriber