aTrainTranscription/aTrain

これは何？

主な機能

• 01faster-whisperモデルによるオフライン文字起こし。データのアップロードは不要
• 02pyannote.audioをベースにした話者ダイアライゼーション
• 03約99言語に対応
• 04CPUおよびNVIDIA CUDA GPUでの実行
• 05スクリプトやバッチ処理に使えるコマンドラインインターフェース
• 06ATLAS.ti、MAXQDA、NVivoと互換性のある出力

ユースケース

• 録音データをクラウドサービスに送信せずに、質的研究のインタビューを文字起こしする
• MAXQDAやNVivoでの分析に使う、タイムスタンプと話者ラベル付きの文字起こしを作成する
• ローカルサーバーでヘッドレスの文字起こしパイプラインを実行する

クイックスタート

1. 1

   GitHubからpipでaTrainエンジンをインストールする

   pip install "aTrain @ git+https://github.com/aTrainTranscription/aTrain.git"
2. 2

   デフォルト設定でコマンドラインから音声ファイルを文字起こしする

   aTrain_core transcribe /path/to/audio/file.mp3

使う前に知っておきたいこと

• !aTrainはまだPyPIに登録されていないため、pipはGitHubリポジトリから直接インストールします。
• !NVIDIA CUDA GPUのサポート対象はWindowsとDebian系Linuxのみで、macOSではCPUのみを使用します。
• !aTrain startをブラウザーモードまたはサーバーモードで実行する機能は実験段階で、未完成の場合があります。
• !このプロジェクトはコピーレフトライセンスのAGPL-3.0で提供されており、ネットワーク経由で提供する改変コードの共有が求められます。

トピック

よくある質問

aTrain とは？

Whisperモデルを使って音声をオフラインで文字起こしするGUI・CLIツール。話者ダイアライゼーションにも対応しています。 aTrainは、OpenAIのWhisperモデルを最適化した実装であるfaster-whisperを使い、音声や動画を手元のマシンで文字起こしします。録音データや文字起こし結果が外部にアップロードされることはないため、データのプライバシーやGDPRへの対応が求められる研究プロジェクトに適しています。

aTrain は無料で使えますか？ライセンスは？

aTrain は AGPL-3.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

aTrain は今もメンテナンスされていますか？

活発にメンテナンス中。aTrain の最終コミットは 2026年10月20日 です。

aTrain は何に使えますか？

録音データをクラウドサービスに送信せずに、質的研究のインタビューを文字起こしする MAXQDAやNVivoでの分析に使う、タイムスタンプと話者ラベル付きの文字起こしを作成する ローカルサーバーでヘッドレスの文字起こしパイプラインを実行する

aTrain のインストール方法は？

GitHubからpipでaTrainエンジンをインストールする: pip install "aTrain @ git+https://github.com/aTrainTranscription/aTrain.git" デフォルト設定でコマンドラインから音声ファイルを文字起こしする: aTrain_core transcribe /path/to/audio/file.mp3

aTrain 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/aTrainTranscription/aTrain