OpenAI Whisperで音声ファイルの文字起こしに挑戦！（後編）

こんにちは。スーパーソフトウエア東京オフィス 技術部の加藤です。

前編では、OpenAI Whisper を使って mp3 音声を文字起こしし、その精度を pyttsx3 で生成した音声データを使って検証しました。結果として、全体の文脈は概ね再現できているものの、漢字変換や語彙の誤りが目立つという結論になりました。
https://note.com/ssltokyo_tech/n/nce8771167a28

後半では、OpenAI Whisper の モデルサイズによる文字起こし精度の違いと、処理時間のトレードオフを検証しました。
入力音声は前編と同様、pyttsx3 で生成した架空の天気予報音声を使用しています。

本記事の続きはこちらをご覧ください▼
https://note.com/ssltokyo_tech/n/nbc945431332e