字幕の自動生成

字幕の自動生成

※ このページはスタブ(執筆途中の記事)です。今後内容を拡充予定です。

ひとまず、過去のWhisperに関する解説動画へのリンクを掲載しておきます。

基本的な考え方は、何らかのパイプラインで音声データを抽出し、AIツールを使って文字起こし(トランスクリプション)を行うことです。Whisperは非常に優れていますが、動作にはGPUが必要です。Kaggleをセットアップすれば無料で利用できますが、手間がかかり、技術に詳しくない人には少しハードルが高いかもしれません。