OpenAI Whisper サンドボックス（日本語）

OpenAI のオープンソース Whisper を Docker で動かすプロジェクトです。

• https://github.com/openai/whisper

前提

• Docker
• Docker Compose v2

確認時のバージョン:

❯ docker version
Client:
 Cloud integration: v1.0.35+desktop.10
 Version:           25.0.2
 API version:       1.44
 Go version:        go1.21.6
 Git commit:        29cf629
 Built:             Thu Feb  1 00:18:45 2024
 OS/Arch:           darwin/arm64
 Context:           desktop-linux
Server: Docker Desktop 4.27.1 (136059)
Engine:
Version:          25.0.2
API version:      1.44 (minimum version 1.24)
Go version:       go1.21.6
Git commit:       fce6e0c
Built:            Thu Feb  1 00:23:21 2024
OS/Arch:          linux/arm64
Experimental:     false
containerd:
Version:          1.6.28
GitCommit:        ae07eda36dd25f8a1b98dfbf587313b99c0190bb
runc:
Version:          1.1.12
GitCommit:        v1.1.12-0-g51d5e94
docker-init:
Version:          0.19.0
GitCommit:        de40ad0

利用可能なモデル

最新の情報・詳細は openai/whisper のREADME を確認してください。

サイズ	パラメータ数	英語のみモデル	多言語モデル	必須 VRAM	相対的速度
tiny	39 M	tiny.en	tiny	~1 GB	~32x
base	74 M	base.en	base	~1 GB	~16x
small	244 M	small.en	small	~2 GB	~6x
medium	769 M	medium.en	medium	~5 GB	~2x
large	1550 M	N/A	large	~10 GB	1x

日本語を処理したい場合は「英語のみモデル」ではなく「多言語モデル」を選択します。

使い方

Docker イメージをビルドします。

docker compose build

ビルド時にモデルのダウンロードを行うこともできます。 compose.yaml の app サービスの build.args の models にモデル名を指定してください。

args:
  models: "tiny base small"

whisper コマンドに音声ファイルを渡して文字起こしをします。 各モデルは実行時に自動的にダウンロードされます。

cp myaudio.m4a ./services/app/
docker compose run --rm -it bash

以下コンテナ内 Bash で:

# 言語 `Japanese` を指定する:
# （ `--model` を指定しなければデフォルトで `medium` が使用される）
whisper myaudio.m4a --language Japanese

# モデル `small` を指定する:
whisper myaudio.m4a --language Japanese --model small

# モデルのキャッシュ保存ディレクトリを変更する:
mkdir -p ./.cache/whisper
whisper myaudio.m4a --language Japanese --model_dir ./.cache/whisper

# 出力フォーマットを .srt に変更する:
whisper myaudio.m4a --language Japanese --output_format srt

使い終わったら:

Docker リソースを閉じます。

docker compose down