インストール
GPU を積んだマシン(以下、ホスト)にホスト用のプログラムをインストールし、録音に使う端末(ノート PC・スマホなど)でブラウザから使えるようにします。
Windows インストーラGitHub Releases からダウンロードします必要なもの
| もの | 内容 |
|---|---|
| ホスト | Windows 10/11(x64)と NVIDIA の GPU、そのドライバ。CUDA Toolkit は要りません |
| Ollama | 要約と用語リストに使います。なくても文字起こしは動きます |
| ブラウザ | Chrome・Edge・Safari の新しい版 |
手順
インストーラを実行する
ダウンロードした
remote-whisper-setup-<版>.exeを開きます。署名していないので、「Windows によって PC が保護されました」と出たら「詳細情報」→「実行」で進めてください。管理者の権限は要りません。インストール中に「Windows のログオン時に起動する」を選べます(デフォルトはオフ)。
起動する
インストールの最後の「今すぐ起動」か、スタートメニューの「Remote Whisper」から起動します。ウィンドウは出ず、右下のタスクトレイにアイコンが出ます(隠れているときは
^の中)。Ollama を入れる
Ollama をインストールし、ターミナルでモデルを取得します。
ollama pull qwen3.5:4b ollama pull qwen3.5:2b ollama pull qwen3.5:0.8b小さいモデル(2b・0.8b)は、タイトルや用語の抽出などの軽い処理を速くするためのものです。なくても動きます。
ブラウザで開く
トレイのアイコンを左クリックするか、ブラウザで
http://localhost:8000を開きます。初回の文字起こしでは、Whisper のモデル(約 1.6GB)をダウンロードするので、文字が出るまでに数分かかります。
Python と uv を入れる
Python 3.11 と uv を入れておきます。
サーバーを入れる
git clone https://github.com/Studio-Takumi/remote-whisper.git cd remote-whisper/server uv sync画面をビルドする
cd ../web npm ci npm run buildOllama を入れる
インストーラの手順と同じです。
起動する
cd ../server uv run remote-whisperブラウザで
http://localhost:8000を開きます。
浄書と話者分けを使うには(任意)
録音を終えたあとに、録音全体から読みやすい文字起こしを再生成する機能(浄書)と話者分けは、WhisperX を別に入れると使えます。数 GB あるので、インストーラには入っていません。入れていないと、浄書のボタンが出ません。
PowerShell で次を実行します(uv が要ります)。インストーラで更新したら、もう一度実行してください。
$app = "$env:LOCALAPPDATA\Programs\Remote Whisper"
uv pip install --python "$app\python\python.exe" --break-system-packages --extra-index-url https://download.pytorch.org/whl/cu128 "whisperx>=3.8.6,<3.9" "torch==2.8.*" "torchaudio==2.8.*" "torchvision==0.23.*" fugashi unidic-liteuv sync --extra final話者分けには、HuggingFace のトークンと、pyannote/speaker-diarization-community-1 のページで利用条件に同意することが要ります。トークンは uv run hf auth login で保存するか、環境変数 HF_TOKEN で渡します。なければ、話者を分けずに浄書します。
別の端末から使う
ブラウザのマイクは、HTTPS(か localhost)で開いた画面でしか使えません。ホスト以外の端末(ノート PC・スマホ)から録音するには、画面を HTTPS で開く必要があります。ここでは Tailscale を使う、一番手軽な方法を書きます。
Tailscale を入れる
ホストと、録音に使う端末の両方に Tailscale を入れて、同じアカウントでログインします。
HTTPS を有効にする
Tailscale の管理画面(DNS)で、MagicDNS と HTTPS Certificates を有効にします。
tailscale serveを実行するホストで次を実行します。
tailscale serve --bg 8000https://<マシン名>.<tailnet 名>.ts.net/のような URL が表示されます。止めるまで(再起動しても)続きます。端末で開く
録音に使う端末のブラウザでその URL を開き、マイクの使用を許可します。
Cloudflare Tunnel(Cloudflare Access で自分だけが入れるようにする)や、Caddy・nginx と Let’s Encrypt でも構いません。どの方法でも、/api と /ws を同じオリジンで http://127.0.0.1:8000 に転送してください。
更新・アンインストール
- 更新: 新しい版のインストーラを実行すると、同じ場所に上書きします。データは残ります。
- アンインストール: Windows の設定の「アプリ」から「Remote Whisper」を削除します。データのフォルダ(
%USERPROFILE%\.remote-whisper)は消えないので、要らなければ手で消してください。
詳しい設定は公式ドキュメントへ
Ollama や GPU ドライバの細かい設定は、それぞれの公式ドキュメントを見てください。サーバーの起動オプションや環境変数は、GitHub の README にあります。