会議文字起こしツール

ローカル環境で動作する会議文字起こし・議事録自動生成ツールです。プライバシーを保護しながら、高精度な日本語文字起こしとLLMによる議事録生成を実現します。

特徴

• 完全ローカル実行: すべての処理がローカル環境で完結（外部送信なし）
• 高速文字起こし: faster-whisperによる高速な音声認識
• 自動要約生成: Ollama LLMによる文字起こし内容の要約作成
• 日本語対応: 日本語に最適化されたモデルを使用

必要環境

システム要件

• OS: macOS / Linux / Windows
• CPU: Intel Core i5（第8世代以降）または同等
• RAM: 8GB以上
• ストレージ: 10GB以上（モデル含む）
• Python: 3.10以上

必要なソフトウェア

1. Python 3.10+
2. uv (パッケージマネージャー)
3. Ollama (ローカルLLM実行環境)

セットアップ

1. uvのインストール

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

2. Ollamaのインストール

# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows
# https://ollama.com/download からインストーラーをダウンロード

3. Ollamaの起動とモデルダウンロード

# Ollamaサービスを起動
ollama serve

# 別のターミナルでモデルをダウンロード
ollama pull qwen2.5:7b

4. プロジェクトのセットアップ

# リポジトリをクローン（または展開）
cd transcription-tool

# 依存関係をインストール
uv sync

使い方

ツールの起動

uv run python main.py

メニュー

==================================================
 会議文字起こしツール
==================================================

  1. フルワークフロー（録音→文字起こし→要約）
  2. 既存音声ファイル処理
  3. 終了

1. フルワークフロー

1. メニューで 1 を選択
2. 会議タイトルを入力
3. Enterキーを押して録音開始
4. 再度Enterキーを押して録音停止
5. 自動で文字起こし・要約生成が実行される

2. 既存音声ファイル処理

1. メニューで 2 を選択
2. 音声ファイルのパスを入力
3. 会議タイトルを入力
4. 自動で文字起こし・要約生成が実行される

対応音声形式

• WAV
• MP3
• M4A
• FLAC
• OGG
• MP4
• WebM

出力ファイル

処理が完了すると、以下のファイルが生成されます：

data/
├── audio/
│   └── 20260125_143000_会議タイトル.wav    # 録音ファイル
└── transcripts/
    ├── 20260125_143000_会議タイトル.txt    # 文字起こし
    └── 20260125_143000_会議タイトル_summary.md  # 要約

文字起こしファイル（.txt）

• タイムスタンプ付きセグメント
• 全文テキスト

要約ファイル（.md）

• 情報（日時、タイトル）
• 概要（1段落）
• 重要ポイント（箇条書き）

トラブルシューティング

マイクが認識されない

macOS:

1. システム設定 → プライバシーとセキュリティ → マイク
2. ターミナル（または使用しているアプリ）にマイクへのアクセスを許可

Linux:

# PulseAudioの場合
pactl list sources

Windows:

1. 設定 → プライバシー → マイク
2. アプリがマイクにアクセスできるようにする

Ollamaに接続できない

# Ollamaが起動しているか確認
ollama list

# 起動していない場合
ollama serve

モデルが見つからない

# 利用可能なモデルを確認
ollama list

# モデルをダウンロード
ollama pull qwen2.5:7b

メモリ不足

• Whisperモデルを small に変更（コード内で変更）
• Ollamaモデルを qwen2.5:3b などの軽量版に変更

文字起こしが遅い

• 初回実行時はモデルのダウンロードに時間がかかります
• 30分の音声で約15分程度かかる場合があります
• GPUがある場合は、faster-whisperのGPU版を使用すると高速化できます

設定のカスタマイズ

Whisperモデルの変更

app/transcriber.py の DEFAULT_MODEL を変更：

DEFAULT_MODEL = "medium"  # small, medium, large-v3 など

Ollamaモデルの変更

app/summary_generator.py の DEFAULT_MODEL を変更：

DEFAULT_MODEL = "qwen2.5:7b"  # llama3.1:8b など

ライセンス

MIT License

参考リンク

• faster-whisper
• Ollama
• uv