プログラミング素人、ChatGPTで「YouTubeの字幕作成」自動化にトライ 動画制作を効率化できるか?(1/3 ページ)
「宮崎知己の考えるラジオ《THINK RADIO》」(崎はたつさき。以下、考えるラジオ)という硬派な情報を提供する音声メディア(YouTubeも同時配信)の運営に関わることになり、動画の字幕作成を効率的に実施する必要に迫られた。
当初、「音声ファイルからの文字起こしなんてAIにファイルを投げれば簡単だろ」とあまく考えていた。だが、いざ始めてみると、ChatGPTや米GoogleのチャットAI「Gemini」、米Microsoftの「Copilot」といった主要AIサービスでどうにもうまくいかない。帯に短したすきに長しなのだ。
例えば、「Microsoft 365 Copilot」における「Word」のトランスクリプト機能では、文字起こしは可能でも、主目的であるタイムコード(時間情報)付き字幕ファイル「SRTファイル」の作成は難しい。
また、ChatGPT(無料版)の場合、「ファイル容量の上限」「時間的上限」などの制約があり、ファイル分割などの前処理が必要となる。「考えるラジオ」は、1番組が長いもので50分近くになることがあるから前処理の手間は極力避けたい。
とにかく、手作業をなるべく減らし、できる限り高精度な成果物を得たかった。そこで、ChatGPTに次のような要望を伝えた。
- 前処理のような手間はかけたくない
- 可能なかぎり高精度に文字化したい
- 校正や校閲も実施できればうれしい
すると、次の2つの方法を提案してきた。
- その1:OpenAIの文字起こしAPI(Whisper)を使う方法(ファイルをアップロードするだけでOK)
- その2:お手元のMacで行う方法。例えば「Whisper.cpp」や「ffmpeg + Whisper」など、無料のコマンドで精度よく文字起こし可能
その1の場合、前述の制約があり、うまくいかないことが分かっているので、その2のローカル環境に字幕の文字起こしとSRTファイルを作成する仕組みを構築することにした。
MacBook Proに字幕作成環境を構築
筆者のメインマシンは、2023年の秋に購入した「MacBook Pro」(M3 Proチップ搭載)だ。ここに文字起こし環境を構築するのだが、プログラマーではない筆者には、「Whisper.cpp」だの「ffmpeg」といわれてもそれが何を意味するのかさっぱり分からない。
コマンド入力によりファイル操作などを実行するアプリケーション「Terminal」で、環境を整えていくのだろうという程度の知識があるくらいだ。そこで、筆者の側で勉強や下調べといった悪あがきをしないで、ChatGPTに全てを委ねて、指示通り作業を進めることに決めた。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
こんなメディアも見られています
ITmedia AI+に関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
アクセスランキング
-
1
「オントロジー」とは結局何なのか Palantir、Databricks、Snowflake、NVIDIAで中身が違う理由
-
2
京大がAI依存チェックリスト公開 「当てはまるものあれば、しばらくAI触らないで」
-
3
ChatGPT「Plus」プラン一部ユーザーに「dots」解禁 「Business Standard」全ユーザーにも
-
4
伊藤忠が月1.3万時間削減、数千件の「二重業務」解消へ AI推進で経営陣を動かした「定量の匂い」とは?
-
5
AIモデリングもできる無償3D CAD「SolidCraft」を試してみた!
-
6
なぜ中国はヒューマノイドを量産するのか 突き動かす「焦り」と足踏みの正体
-
7
日立が「フィジカルAI」で狙う“5年で事業規模2倍”の勝算 3.5万人の新会社トップが語る「戦略の2本柱」とは?
-
8
さよなら「Claude Code」 人気AIに愛想を尽かしたエンジニアの意外な移行先:906th Lap
-
9
孫正義氏が明かす、アンソロピック出資見送りの舞台裏 「僕の失敗」「あん時入れときゃよかった」
-
10
ベテランPMが辞めても失いたくない「暗黙知」を“生成AI面談”で残す 東京ガス系が実践したノウハウ継承術
SpecialPR
ITmedia AI+ SNS
インフォメーション
注目情報をチェック
ITmedia AI+をフォロー
あなたにおすすめの記事PR