🎤 リアルタイム音声文字起こしGUI

リアルタイムで音声を文字起こしするPythonアプリケーションです。
faster-whisper を使用し、GPU（CUDA）または CPU で高速な文字起こしを実現します。

---

✨ 主な機能

機能	説明
リアルタイム文字起こし	マイク入力から即座にテキスト変換
GPU / CPU 自動切替	CUDAが利用可能な場合は自動でGPU推論
複数モデル対応	base, medium, large-v3-turbo, large-v3 から選択可能
日本語 / 英語対応	入力言語を選択可能。英語の場合は日本語への自動翻訳も実行
音量しきい値調整	スライダーで無音検出の感度を調整
録音機能	文字起こしと同時にWAVファイルを保存
デバッグコンソール	リアルタイムでデバッグ情報を確認
テキスト保存	文字起こし結果を自動的にテキストファイルに保存

---

📁 ファイル構成

RTer_full_Python/
├── main.py               # GUIアプリケーション本体（PyQt5）
├── transcriber.py        # 音声文字起こしワーカー（faster-whisper）
├── requirements.txt      # 依存パッケージ一覧
├── transcriber_settings.ini  # ユーザー設定ファイル（自動生成）
├── temp/                 # 文字起こし結果・録音ファイルの保存先
├── install.bat           # インストールスクリプト
├── uninstall.bat         # アンインストールスクリプト
├── 文字起こしvenv.bat    # 仮想環境起動スクリプト
└── ffmpeg.exe            # 音声処理用FFmpeg

---

🚀 インストール

1. 前提条件

• Python 3.8+
• CUDA (オプション: GPU推論を使用する場合)
• Windows 10/11 推奨

2. セットアップ

# リポジトリをクローンまたはダウンロード
cd RTer_full_Python

# 仮想環境を作成
python -m venv venv

# 仮想環境を有効化
venv\Scripts\activate

# 依存パッケージをインストール
pip install -r requirements.txt

または、install.bat を実行してください。

3. 依存パッケージ

パッケージ	用途
faster-whisper	Whisperベースの高速文字起こしエンジン
PyQt5	GUIフレームワーク
sounddevice	オーディオ入力キャプチャ
numpy	数値計算
scipy	WAVファイル処理
clipboard	クリップボード操作
deep-translator	英語→日本語 翻訳
pyannote.audio	話者分離（オプション機能用）

---

💻 使い方

アプリケーションの起動

# 仮想環境を有効化
venv\Scripts\activate

# 起動
python main.py

または、文字起こしvenv.bat をダブルクリックしてください。

操作方法

1. 入力デバイス: マイクを選択
2. 言語: 日本語 または 英語 を選択
3. モデル: 精度と速度のバランスでモデルを選択
   • base - 軽量・高速
   • medium - バランス型
   • large-v3-turbo - 高速かつ高精度（推奨）
   • large-v3 - 最高精度
4. 音量しきい値: 無音検出の感度を調整
5. 「スタート」ボタン: 文字起こし開始
6. 「ストップ」ボタン: 文字起こし停止

ボタン機能

ボタン	機能
スタート	文字起こし開始
ストップ	文字起こし停止
クリア	テキスト表示エリアをクリア
コピー	文字起こし結果をクリップボードにコピー
保存	テキストを保存（現在未実装）
📁 フォルダ	tempフォルダを開く
🐛 デバッグ	デバッグコンソールを表示

---

⚙️ 設定

アプリケーションの設定は transcriber_settings.ini に自動保存されます。

設定項目	説明
device_index	選択した入力デバイスのインデックス
language_index	言語設定（0: 日本語, 1: 英語）
model_index	選択したモデル
volume_threshold	音量しきい値

---

📝 技術詳細

main.py

• TranscriberGUI クラス: PyQt5ベースのメインウィンドウ
  • 入力デバイス選択
  • 言語・モデル選択
  • GPU/CPU自動判定表示
  • 設定の永続化（INIファイル）
• DebugConsoleWindow クラス: デバッグ情報表示用のサブウィンドウ

transcriber.py

• TranscriberWorker クラス: 別スレッドで動作する音声処理ワーカー
  • pyqtSignal でGUIと非同期通信
  • sounddevice でリアルタイム音声キャプチャ
  • faster-whisper でWhisper推論を実行
  • RMSベースの無音検出
  • 英語→日本語の自動翻訳（deep-translator使用）

処理フロー

[マイク入力] → [音声キャプチャ] → [RMS計算] → [無音検出]
                                      ↓
                              [音声バッファ蓄積]
                                      ↓
                            [faster-whisper推論]
                                      ↓
                            [テキスト表示 & 保存]

---

🔧 トラブルシューティング

問題	解決策
CUDA が認識されない	CUDAドライバー・cuDNNのバージョンを確認
PyQt5 プラグインエラー	QT_QPA_PLATFORM_PLUGIN_PATH が正しく設定されているか確認
文字起こしが開始されない	音量しきい値を下げてみる
モデルのロードが遅い	初回起動時はモデルダウンロードに時間がかかります

---

📜 ライセンス

このプロジェクトは個人利用を目的として作成されています。

---

🙏 謝辞

• faster-whisper - 高速なWhisper実装
• OpenAI Whisper - 元となる音声認識モデル
• PyQt5 - GUIフレームワーク