ユースケース

クラウドGPUでWhisperを使って音声を文字起こし

OpenAI Whisper large-v3なら、何時間もの音声を数分でテキストに。秒単位で課金されます。

RTX 4090 のマシンを見る最新の価格を確認中…

USD残高から秒単位で課金されます。使い終わったらマシンを停止または終了してください。

おすすめのGPU

RTX 4090 · RTX 3090

Whisper large-v3には約10 GBのVRAMが必要です。RTX 3090やRTX 4090なら実時間の何倍もの速さで文字起こしできます。

選ぶテンプレート

PyTorch

NVIDIA CUDA + PyTorch の開発環境。SSH と Jupyter ですぐに使えます。

4ステップで使い始める

1
マシンをレンタル
RTX 4090とPyTorchテンプレートが選択済みのカタログを開き、「レンタル」を押します。
RTX 4090 のマシンを見る
2
接続して音声をアップロード
マシンのページのSSHコマンドで接続し、scpで音声ファイルをコピーします。
```
$ scp -P <PORT> audio.mp3 root@<HOST>:/root/
```
3
Whisperをインストール
ffmpegとWhisperを一度だけインストールします。
```
$ apt-get update && apt-get install -y ffmpeg
pip install -U openai-whisper
```
4
文字起こし
ファイルに対してWhisperを実行してテキストをダウンロードし、マシンを終了します。
```
$ whisper /root/audio.mp3 --model large-v3 --output_format txt
```

よくある質問

対応している言語は？

Whisper large-v3は約100言語を文字起こしでき、英語への翻訳も可能です。

音声は保存されますか？

いいえ。ファイルはレンタルしたマシン上にのみあり、マシンを終了すると消去されます。