schibsted/WAAS

これは何？

主な機能

• 01Redisベースのキューとworkerで処理する非同期の文字起こしジョブ。
• 02メールまたは署名付きWebhookコールバックによる完了通知。
• 03結果をJSON、SRT、WebVTT、プレーンテキスト、タイムコード付きテキストで出力。
• 04文字起こしのセグメントを確認・修正できる、ブラウザベースのローカルエディター。
• 05API経由の言語検出と、文字起こしまたは翻訳タスク。
• 06NVIDIA CUDAのオプションサポートを備えたdocker-compose構成。

ユースケース

• クラウドサービスを使わず、社内サーバーで録音したインタビューや会議を文字起こしする。
• 動画コンテンツの字幕ファイル（SRTまたはVTT）をまとめて生成する。
• Webhookコールバックに対応したHTTP APIを通じて、社内アプリケーションに音声認識機能を追加する。
• ローカルのブラウザエディターで機械生成された文字起こしを確認・修正する。

クイックスタート

1. 1

   Python仮想環境を作成する

   python3 -mvenv .venv
2. 2

   仮想環境を有効化する

   source .venv/bin/activate
3. 3

   Pythonの依存関係をインストールする

   pip install -r requirements.txt
4. 4

   READMEの説明に従って.envrcファイルとallowed_webhooks.jsonを作成し、すべてのコンテナを起動する

   docker-compose --env-file .envrc up

使う前に知っておきたいこと

• !大きなWhisperモデルを使うにはVRAMを搭載したGPUが必要です。最小のモデルでも約1GB必要です。
• !Python 3.8～3.10とRedisインスタンスが必要です。また、メールコールバック用のSMTP設定も必要です。
• !docker-composeでセットアップするには、複数の環境変数とwebhookファイルを設定する必要があります。

収録されている特集

トピック

よくある質問

WAAS とは？

ジョブキュー、メールまたはWebhookコールバック、SRT/VTT/テキスト出力に対応した、OpenAI Whisperのセルフホスト型GUIおよびREST API。 WaaS（Whisper as a Service）は、OpenAI WhisperをWeb GUIとHTTP APIで利用できるようにし、モデルを手動で実行せずに音声・動画ファイルを文字起こしできます。クライアントがtranscribeエンドポイントにファイルを送信すると、ジョブはRedisベースのキューに登録され、別のworkerによって処理されます。ジョブが完了すると、メールまたは署名付きWebhook POSTでユーザーに通知します。

WAAS は無料で使えますか？ライセンスは？

WAAS は Apache-2.0 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。

WAAS 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。WAAS の最終コミットは 2026年10月30日 です。

WAAS は何に使えますか？

クラウドサービスを使わず、社内サーバーで録音したインタビューや会議を文字起こしする。 動画コンテンツの字幕ファイル（SRTまたはVTT）をまとめて生成する。 Webhookコールバックに対応したHTTP APIを通じて、社内アプリケーションに音声認識機能を追加する。 ローカルのブラウザエディターで機械生成された文字起こしを確認・修正する。

WAAS のインストール方法は？

Python仮想環境を作成する: python3 -mvenv .venv 仮想環境を有効化する: source .venv/bin/activate Pythonの依存関係をインストールする: pip install -r requirements.txt READMEの説明に従って.envrcファイルとallowed_webhooks.jsonを作成し、すべてのコンテナを起動する: docker-compose --env-file .envrc up

WAAS 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/schibsted/WAAS