FFmpegに「OpenAIのWhisperを用いた文字起こし機能」が追加される予定
マルチメディアツールの「FFmpeg」にOpenAIの文字起こしAI「Whisper」を用いた文字起こし機能が追加されることが明らかになりました。記事作成時点ではFFmpeg 8.0のリリースが準備中の段階で、文字起こし機能もFFmpeg 8.0に含まれる予定です。
gigazine.net
動画・音声処理ツール「FFmpeg」にOpenAIの「Whisper」搭載！
動画や音声の変換、編集に欠かせないオープンソースツール「FFmpeg」に、画期的な新機能が追加される予定です。なんと、OpenAIが開発した高精度な文字起こしAI「Whisper」の機能が統合されます。この新機能は、現在開発が進められている「FFmpeg 8.0」に含まれる見込みです。
Whisper統合で何ができるようになる？
この機能が搭載されれば、FFmpegを使って動画や音声ファイルを処理する際に、簡単に文字起こしができるようになります。
- 高い精度での文字起こし: Whisperは、日本語を含む多様な言語に対応しており、非常に高い精度で音声ファイルの内容をテキスト化します。
- 多様な出力形式: 文字起こしの結果は、JSONファイルや字幕ファイル（SRT）形式で出力できるため、動画編集やデータ分析など、様々な用途で活用できます。
- 高速な処理: GPUアクセラレーションにも対応しており、高速な文字起こし処理が期待できます。
この機能を利用するには、FFmpegをビルドする際に特定のオプションを指定する必要があるため、すぐに使えるわけではありませんが、多くのアプリケーションやサービスに利用されているFFmpegにこの機能が加わることで、動画や音声コンテンツの文字起こしがさらに身近で手軽になることが期待されます。
