Whisper JavaScript サンプル：Node.js で音声をテキスト化

• 音声テキスト化機能を作る開発者
• 音声書き起こしを使う SaaS プロダクト
• Whisper の JavaScript 例を探している方

Whisper とは？

• 話し言葉をテキストに書き起こす
• 話されている言語を自動で検出する
• 長い音声ファイルを扱う
• ノイズの多い録音でも比較的よく動く

• ポッドキャスト
• 会議
• インタビュー
• 動画の字幕

前提条件

• Node.js 18 以上
• 音声ファイル（mp3、wav、m4a など）
• 音声テキスト化用の API キー（Whisper 互換）

npm install openai

基本的な Whisper JavaScript の例

プロジェクト構成

project/
├─ audio/
│  └─ sample.mp3
├─ transcribe.js
└─ package.json

JavaScript コード：音声からテキストへ

import fs from "fs";
import OpenAI from "openai";

const openai = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY
});

async function transcribeAudio() {
  const response = await openai.audio.transcriptions.create({
    file: fs.createReadStream("./audio/sample.mp3"),
    model: "whisper-1"
  });

  console.log("Transcription result:");
  console.log(response.text);
}

transcribeAudio();

スクリプトの実行

node transcribe.js

Hello everyone, welcome to today’s meeting. We will discuss the project timeline.

長い音声ファイルの書き起こし

• ポッドキャスト
• 講義
• インタビュー

• 音声をチャンクに分割する
• 非同期で書き起こす
• あとで結果を結合する

タイムスタンプ（任意）

• 字幕（SRT / VTT）
• 動画編集
• 検索可能なトランスクリプト

[00:00:01] Hello everyone
[00:00:05] Welcome to today’s meeting

対応している音声形式

• MP3
• WAV
• M4A
• MP4
• WEBM

• はっきりした音声を使う
• 大きな背景ノイズを避ける
• WAV または高ビットレートの MP3 を優先する

よくある用途

• 会議向けの音声テキスト化
• ポッドキャストの書き起こし
• YouTube 動画の字幕
• インタビューの書き起こし
• 研究・学術向けの書き起こし

Whisper と他の音声テキスト化ツール

まとめ

• 長い音声の書き起こし
• 多言語の音声テキスト化
• タイムスタンプ付きトランスクリプト