これはどんなサイト？
WhisperX（whisperx.app）は、オープンソースの WhisperX パイプラインをウェブで動かす独立運営の非公式ホスティングです。ローカルの Python や GPU 運用は不要です。英語の音声・動画をアップロードすると、単語タイムスタンプと任意の話者ラベル付きの文字起こしが得られ、ブラウザ編集器で聞きながら直し、TXT / SRT / VTT / JSON を書き出せます。上流作者や OpenAI との提携はないと明記されています。
主な機能
- WhisperX のホスティング：文字起こし、単語アライメント、任意の話者分離
- ブラウザ編集器：再生と原稿が連動。単語クリックでジャンプ、文言修正、話者名の変更
- 「モデル原文」と「人手編集稿」を区別。文を直しても新しいアライメントは自動生成されない
- TXT / JSON / SRT / VTT を書き出し。原文でも編集版でも可。再エクスポートで分数は消費しない
- 公開サンプルで先に試聴・確認可能。自分のファイル処理にはアカウントが必要
- 媒体の長さで課金。認証アカウントに一度きりの 5 分トライアル。サブスクと分数パックあり
よくある利用シーン
- インタビューやポッドキャストで、校正可能な英語逐語録と話者区分が必要なとき
- 会議録音を読みやすいメモにしてから書き出す
- 動画用に SRT/VTT を作り、編集ソフトで冒頭・中盤・末尾の cue を確認する
- WhisperX パイプラインは使いたいが GPU 環境は自前で持ちたくないとき
- 公開サンプルでタイムスタンプと話者ラベルを見てから、自分のファイルを上げる
向いているユーザーは？
- 単語タイムスタンプや話者ラベルが必要な英語録音の処理者
- インストールなしでブラウザ上で校正・書き出ししたい個人や小チーム
- オープンソース WhisperX は知っているがローカル環境を維持したくない人
- 向いていない例：英語以外が主、YouTube など外部リンク取得、字幕焼き込み／翻訳／要約の一体型ワークフロー
- 向いていない例：機械文字起こしを最終稿として人手確認なしで使うコンプライアンス用途
同類ツールとの比較は？
必要な出力で選びます：
- 本物の WhisperX パイプライン＋単語時刻／話者で、自前構築は避けたい：ホスティングが楽
- モデルとデータを完全に自分で管理したい：オープンソースをローカル導入
- 汎用の音声テキスト化だけで、アライメントや話者段階は重視しない：他の ASR も候補
- 機械文字起こしと話者帰属は誤り得る。公式サンプルも確認ポイントを示している
よくある質問
Q: 公式の WhisperX サイトですか？
A: いいえ。独立の非公式ホスティングです。オープンソースは GitHub の m-bain/whisperX です。
Q: 料金はどうなりますか？編集で分数は減りますか？
A: 実測の媒体長で課金します。Starter は約 $9/月で 120 分、Creator は約 $29/月で 600 分。買い切りの分数パックもあります。既存結果の編集・再書き出しは追加で分数を使いません。
Q: 対応言語とアップロード方法は？
A: ホスティング側は現状英語録音向けです。自分のファイルをアップロードし、外部メディアリンクの取得はしません。
Q: トライアルと結果の保存期間は？
A: 認証アカウントに一度きりの 5 分トライアル。トライアル結果は約 7 日、有料結果は約 30 日（最新条件はサイトを確認）。
