ITmedia AI＋
生成AI
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？

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？（2/3 ページ）

公開 2025年11月27日 12時00分

著者

山崎潤一郎

[ITmedia]

印刷する

　環境構築の手順を次に示そう。

Homebrew（macOS用のパッケージ管理ツール）の導入
音声変換ツールffmpegの導入（音声ファイルの最適化）
Pythonの導入
OpenAIの音声認識モデル（Speech-to-Text）であるWhisperをインストール
Apple製品のGPUにアクセスできるAPI「Metal」に最適化されたWhisper.cppのインストール

　このように手順をリストアップすると、いかにも大変そうだが、「手元のMacで行う方法で構築したい」と投げかけて、ChatGPTが組み込まれたWebブラウザ「ChatGPT Atlas」に表示されるコマンドをTerminalにコピペしてリターンキーを押す、という作業をくり返しただけだ。

「ChatGPT Atlas」に都度質問をぶつけつつ、返ってきたコマンドをTerminalにコピペして進めていく作業の繰り返し

　途中エラーが返ってきたら、そのエラーをそのままChatGPTにコピペして質問する。例えば、次のようなエラーが表示されたので、そのままコピペした。

zsh: command not found: #

zsh: command not found: pip

　すると、「このエラーは多くのMacで起きる『HomebrewのPythonとpipのパスが通っていない』問題が原因です。順を追って直しましょう」と返され、パスを通すための修正コマンドが1ステップずつ示される。その際、エラーが出る背景やコマンドの意味も同時に説明してくれる。なんと親切なことか。

自分で調べるな、ググるな

　この一連の作業を通して知り得たことがある。それはAIを使う際「自分で調べるな、ググるな」ということだ。前述のパスエラーのChatGPTによる説明には、「Homebrew経由のPythonについての注意書き」を記述したサイトが参考として表示されるのだが、筆者のようなプログラミング素人が見ても何のことかさっぱり分からない。

　今回のように、自分のPCに情報処理の環境を構築するような使い方においては、無力な自分をさらけ出し、ChatGPTに100％身を委ねることこそが目的を達成する近道だと思い知った。自分の目的は、タイムコード付き字幕ファイルを作ることであり、Terminal操作やPythonのスキルを身につけることではないからだ。

　前述のようにTerminalがエラーを返す場面は、一連の作業の中で何度か発生したが、そのたびに、何も考えずエラーをコピペしてChatGPTに教えを請うた。その結果として、筆者のMacBook ProにおいてMetal対応のWhisper.cppを実行する環境が整ったわけだ。

　最終的に、Homebrew・Python・ffmpeg・Whisper.cpp・Metal対応ビルド・文字起こし・整形までを全自動で動作し、SRTファイルを吐き出すスクリプトをChatGPTに作ってもらった。Terminalを起動して、音声ファイルのディレクトリを指定して、コマンドを実行すれば、自動的にSRTファイルが完成する。