WhisperChain：口語表現をフォーマルな文章に整えるリアルタイム音声文字起こしツール 167

WhisperChainとは？

WhisperChainは、テキスト整形機能を備えたリアルタイム音声文字起こしツールで、会議の記録や音声メモの作成などのシーンに特に適しています。自動的に口癖を除去し、口語表現をよりフォーマルで簡潔に変換しながら、核となる意味を保ちます。

例えば、「这个东西卖得特别好，赚了不少钱，客户都说好……」と言った場合、「该产品市场表现优异，创造了可观的营收，获得了客户的普遍好评」と文字起こしされます。

処理された内容はクリップボードに直接保存され、いつでも利用できるため、とても便利です。

WhisperChainの主な特徴

• リアルタイム音声認識：WhisperChainは Whisper.cpp を使用してリアルタイム音声認識を実現し、音声内容を即座にテキストに変換できます。

• 文字起こしの整形：LangChain を通じて文字起こし後のテキストを整形し、可読性と正確性を向上させます。

• グローバルホットキー対応：ユーザーはグローバルホットキー（デフォルトは

• 自動クリップボード連携：文字起こし結果は自動的にクリップボードに保存され、ユーザーはいつでもどこでも貼り付けて使用できます。

WhisperChainのプロジェクト構成

WhisperChain のアーキテクチャには、クライアント側のオプション（ホットキー監視、オーディオストリーム、クリップボード連携など）、Web UI（Streamlit）、バックエンドサービス（FastAPI）が含まれます。オーディオストリームは WebSocket 経由でバックエンドに送信され、Whisper モデルによる認識と LangChain による処理を経て、最終的に整形されたテキストが出力されます。

WhisperChainの活用シーン

• 会議や講義：会議中や講義を聴く際に、発言内容をリアルタイムで文字に変換し、記録を簡単に作成できます。

• 音声アシスタント：音声アシスタントがユーザーの指示をより正確に理解できるようになり、利用体験が向上します。

• 医療記録：医師や看護師が患者情報を音声で入力でき、時間の節約と効率の向上が図れます。

• カスタマーサポート：顧客からの音声での問い合わせを文字に変換し、サポート担当者の迅速かつ正確な対応を可能にします。

インストールと設定

システム要件：Python 3.8+ と OpenAI API キーが必要です。MacOS の場合は、ffmpeg と portaudio のインストールも必要です。

インストール方法：pip で WhisperChain をインストールします。

pip install whisperchain

設定：初回起動時に、OpenAI API キーの入力が求められ、~/.whisperchain/.env ファイルに保存されます。

使用方法

アプリケーションの起動：

whisperchain

またはカスタム設定ファイルで起動：

whisperchain --config config.json

グローバルホットキーを押して録音を開始し、話し終わったらホットキーを離すと、文字起こし結果が自動的にクリップボードにコピーされます。

GitHubリポジトリ：https://github.com/chrischoy/WhisperChain