録音を自分のPCで文字にして、議事録の下書きを作るには

録音を文字にする、話者を確認する、AIに要約させる、の順に進めます。初回の通信と認証を含め、Windowsでの入力例を案内します。

広告・PR：この記事には、紹介先への申し込みで当サイトに紹介料が入ることがあるリンクが含まれます。

ツールみっけ！編集部2026年9月20日更新約12分で読めます

先に結論

WhisperXで録音を文章にし、話者ラベルを人が確認してから、Ollamaのローカルモデルへ本文を渡して要約します。ソフトやモデルの取得、話者モデルの利用同意には通信が必要です。録音や文章を外部AIへ送らずに処理するには、クラウド機能と外部連携を使わない構成を選びます。

ここでは、準備済みのモデルを自分のパソコンで動かす流れを紹介します。通信を一切使わずに導入できる手順ではありません。会社の録音を使う前に、録音とソフト導入のルールを確認し、まず個人情報を含まない短い音声で試してください。

全体の流れ

1必要なソフトを入れ、話者を分けるモデルの利用に同意する
2短い録音を文章のファイルにする
3聞き間違いと「誰の発言か」を直す
4ローカルのAIへ書き起こし本文と要約の指示を渡す
5元の録音と照らし合わせ、下書きを確認して保存する

先に準備するもの

WhisperXが対応するPythonと、公式説明で必要とされるFFmpegなどの部品。下のWhisperX公式手順で自分の環境を確認します。
Hugging Faceのアカウント、話者モデルの利用同意、モデル取得に使う読み取り用トークン。トークンは認証用の秘密の文字列です。
Ollamaと、自分のパソコンで動くローカルモデル。外部送信を避ける場合は公式FAQのクラウド無効化設定を行い、Ollamaを再起動します。
モデルを保存できる空き容量と、初回ダウンロードに使うインターネット接続。処理時間は録音の長さと機種で変わります。

WindowsのPowerShellで試す手順

以下の入力例はWindowsのPowerShell向けです。Mac・Linuxでは認証情報の入力方法などが異なるため、公式手順で読み替えてください。音声の文字起こしとAIによる要約は、このサイトの画面の中で実行する操作ではありません。

1短い音声を作業用フォルダへコピーする
自分で録った、公開しても困らない短いWAV音声を使います。新しい作業用フォルダへコピーし、名前をkaigi.wavにします。元の録音は残します。別の種類のファイルは、拡張子だけを.wavに変えても変換できません。エクスプローラーでこのフォルダを開き、上のアドレス欄にpowershellと入力してEnterを押します。
2Pythonの準備を確認してWhisperXを入れる
公式手順で対応するPythonなどを準備してから入力します。インストール中は通信します。エラーが出た場合は続けず、表示された内容と公式の対応条件を確認します。
この手順で使う入力例
```
python -m pip install whisperx
```
3話者モデルの利用に同意し、認証用の文字列を用意する
下の公式資料からHugging Faceにログインし、pyannote/speaker-diarization-community-1の利用条件を確認して同意します。同じアカウントのAccess Tokensでモデルを読めるトークンを作ります。この文字列は記事・質問サイト・共有するスクリーンショットに載せないでください。
4認証して録音を文章にする
次の2行は1行ずつ実行します。1行目で尋ねられたら、用意したトークンを貼り付けてEnterを押します。入力した文字はそのまま表示されません。2行目は専用GPUを使わない例で、初回は必要なモデルを取得します。処理が終わるまで待ってください。成功すると、作業用フォルダのoutput内にkaigi.txtができます。
この手順で使う入力例
```
$hfToken = Read-Host "Hugging Face token" -AsSecureString
whisperx "kaigi.wav" --language ja --model small --device cpu --compute_type int8 --diarize --hf_token ([System.Net.NetworkCredential]::new("", $hfToken).Password) --output_format txt --output_dir output
```
5文章と話した人を確認する
outputフォルダのkaigi.txtをメモ帳で開きます。SPEAKER_00などは人名ではなく区別用のラベルです。録音を聞き、聞き間違い・数字・固有名詞を修正します。同じ人が複数のラベルになっていないかも確認し、必要なら人名に置き換えて保存します。
6Ollamaでローカルモデルとの会話を開く
クラウド機能を無効化してOllamaを再起動したうえで、PowerShellに次の行を入力します。このモデルをまだ取得していなければダウンロードを待ちます。>>>という入力待ち表示になったら、次の手順へ進みます。
この手順で使う入力例
```
ollama run gemma3:4b
```
7要約の指示と、書き起こしの本文を一緒に入力する
ここからはPowerShellの指示ではなく、Ollamaの会話欄への入力です。>>>の後に半角の二重引用符を3つ（"""）入力してEnterを押すと、複数行の文章を入れられます。「次の会議の書き起こしだけを使い、決まったこと・保留事項・担当者と期限をまとめてください。書かれていないことは不明としてください。」と入力します。続けて、メモ帳のkaigi.txtから本文をコピーして貼り付けます。最後の新しい行にもう一度"""を入力してEnterを押すと、本文も含めてAIへ渡せます。長い録音は内容の区切りごとに分けて試してください。
8元の文章と比べてから下書きを保存する
返ってきた要約をメモ帳などへコピーし、別のファイル名で保存します。数字・日付・担当者・決定事項を録音や書き起こしと照らし合わせ、抜けや誤りを直します。AIの答えだけで正式な議事録にしないでください。Ollamaの会話は /bye と入力して終了できます。

使うツール

一緒に用意したいもの

知っておきたいPR

会議の録音機材（ICレコーダーなど）

卓上に置いて会議を録る機材

録音が聞き取りづらい場合の選択肢です。まず手持ちの機器で置き場所を見直し、必要なら参加者の配置や接続方法に合うマイクを比べます。

販売先で候補と価格を見る ↗

紹介先：kakaku.com（別のタブで開きます）

広告・PR：紹介先で申し込むと、当サイトに紹介料が入ることがあります。

Q話者の名前は自動で入りますか？

A自動では分かりません。SPEAKER_00などのラベルを録音と比べて確認します。声が似ている場合や同時に話した箇所では、ラベルが間違うこともあります。

QGPUがないと使えませんか？

AWhisperXの公式手順にはCPUで実行する方法もあります。この記事の例もCPUを使います。処理時間と必要なメモリは機種や音声で変わるため、まず短いサンプルで確かめてください。

Q最初からネットを切って進められますか？

Aソフトやモデルの取得、Hugging Faceでの登録・利用同意には通信が必要です。取得済みモデルをローカルで動かす構成なら、録音や文章を外部AIへ送らずに処理できます。別アプリやクラウド機能の接続先も確認してください。

Q音声の処理が途中で止まりました

A認証エラーなら、同じHugging Faceアカウントで利用に同意したか、トークンに読み取り権限があるかを確認します。メモリや必要な部品のエラーなら公式手順へ戻り、まず短い音声で試します。質問するときにトークンは貼り付けないでください。