こんにちは、パレイド技術部の夏目です。
「Mac で音声を文字に起こしたい。でも Whisper って種類が多すぎて、結局どれを使えばいいのか分からない」——この記事は、その迷いを一枚の地図で解くために書きました。
パレイドではこれまで、Mac（Apple Silicon）でローカルに動く Whisper を、導入・高速化・比較・応用と個別の記事に分けて書いてきました。本記事はそれらを目的別・難易度別に束ねた総合ガイド（目次）です。どこから読めば最短で目的地に着くか、まずここで地図を見てから個別記事に降りてください。
本記事はローカル LLM による自動執筆パイプラインで生成されました。現段階ではクラウド AI（Claude 等）の補助や人間の編集が介在していますが、pareido.jp では最終的に AI が自律的にコンテンツを制作できる仕組みの構築を目指しています。
Mac で Whisper を使う、3つの前提
個別の実装に入る前に、共通する前提を押さえておきます。これが「Mac × Whisper」を選ぶ理由そのものです。
- ローカル完結：音声をクラウドに送らず、手元の Mac だけで処理できます。会議録音やインタビューなど、外に出したくない音声を扱えるのが最大の利点です。
- 無料・OSS：Whisper 本体も主要な実装も無料で、商用利用も可能です。従量課金の文字起こしサービスと違い、何時間回してもコストは増えません。
- Apple Silicon で速い：M1 以降の Mac は GPU（Metal）とユニファイドメモリを活かせるため、実装を選べば実用的な速度が出ます。本ガイドはこの Apple Silicon を前提にしています。
30秒でわかる早見表：あなたに合う Whisper はどれか
Whisper の「実装」は複数あります。中身のモデルは同じでも、動かし方と得意分野が違うので、まず目的から逆引きするのが近道です。迷ったらこの表で当たりをつけて、該当の記事に進んでください。
| やりたいこと | おすすめの入口 | ひとこと |
|---|---|---|
| とにかく手軽に、コードを書かずに使いたい | MacWhisper（GUIアプリ） | 無料版あり。ドラッグ＆ドロップで完結 |
| まず公式の Whisper を動かして基準を知りたい | openai-whisper | 一番素直。最初の一本に |
| 依存を増やさず、最速・軽量で回したい | whisper.cpp | Python 不要。常駐にも向く |
| Apple Silicon のネイティブ速度を引き出したい | MLX（mlx-whisper） | Metal を直接使う Apple 純正路線 |
| Python から自在に組み込みたい | faster-whisper | CTranslate2 ベースで高速・柔軟 |
| 単語単位のタイムスタンプ＋話者分離を一本で | WhisperX | 「全部入り」の手軽さ |
| 誰がいつ話したか（話者分離）を自前で組む | Whisper + pyannote | 構成の自由度が高い |
| 字幕（SRT）・議事録など実用途に落とす | 実用ワークフロー編 | 出力形式と後処理の話 |
以下、この表の各ルートを、難易度順に案内していきます。
インストール：最初の一本（openai-whisper）
何はともあれ、まずは公式の openai-whisper を動かして「文字起こしとはこういうものか」という基準を作るのがおすすめです。インストールから最初の文字起こしまでの手順は、Mac で Whisper をインストールして音声認識を試す（ローカル実行・Apple Silicon 対応）に手順を追ってまとめています。
ここで一度ローカル実行の感覚をつかんでおくと、後の「高速化」や「比較」の話が一気に腹落ちします。Python 環境の用意でつまずきたくないという場合は、この章を飛ばして後述の MacWhisper（GUI）から入っても構いません。
速くしたい：高速化の3ルート
公式実装は素直な反面、Mac では速度が伸び悩むことがあります。そこで「同じ Whisper をもっと速く」を狙う実装が3つあります。パレイドではこれを高速化シリーズ①〜③として書いてきました。
- ① faster-whisper：CTranslate2 をバックエンドに使う Python 実装。Python から柔軟に組み込め、長時間音声で効きます。→ faster-whisper 編（Python 実装・Apple Silicon 対応）
- ② whisper.cpp：C++ 実装で、Python 環境すら要りません。依存が最小で軽く、常駐用途にも向きます。→ whisper.cpp 編：導入・モデル(ggml)DL・CLI 実行の使い方
- ③ MLX（mlx-whisper）：Apple の機械学習フレームワーク MLX を使い、Apple Silicon の GPU を直接叩く純正路線。Apple Silicon ネイティブの速さが魅力です。→ MLX 編（Apple Silicon ネイティブ・mlx-whisper）
どれも「速くなる」のは同じですが、速さの出方と引き換えにする手間が違います。次の比較ガイドで、その差を実測値で確認できます。
比較で決める：4実装を同条件で実測
「結局どれが一番速くて手軽なのか」を数字で知りたいなら、比較ガイドが近道です。openai-whisper・faster-whisper・whisper.cpp・MLX の4実装を、同一の Mac（Apple Silicon）・同一音声・同一モデルで同条件ライブ実測して決定版としてまとめました。
→ Mac 版 Whisper 比較ガイド【決定版】openai-whisper・faster-whisper・whisper.cpp・MLX、4実装を同条件で再計測
結論を先取りすると「どれか一つが全勝」ではなく、Apple Silicon × Python なら MLX、依存最小なら whisper.cpp、汎用 GPU や柔軟さなら faster-whisperという棲み分けになります。自分の優先順位（手軽さか・速さか・組み込みやすさか）に当てはめて選んでください。
使い道に落とす：字幕・議事録・話者分離
「入れて文字に起こせた、で何に使う？」——ここからが実用です。代表的な3つの用途を、それぞれ専用の記事にしています。
- 字幕（SRT/VTT）・議事録・長時間音声：出力形式の使い分けと前後処理をまとめた実用編。
--output_format srtでの字幕生成や、議事録向けの整形・要約の流れを扱います。→ Whisper 実用ワークフロー：字幕(SRT/VTT)・議事録・文字起こしを Mac ローカルで - 話者分離（誰がいつ話したか）：Whisper は話者の区別が苦手なので、pyannote と組み合わせます。HuggingFace トークンの取得など、つまずきやすい手順を実走検証して整理しました。→ Whisper で話者分離：pyannote で「誰がいつ話したか」を Mac ローカルで
- WhisperX（全部入り）：単語単位タイムスタンプ・話者分離・高速化を一本にまとめたい場合の選択肢。「pyannote で自前構成」と「WhisperX で全部入り」の住み分けで読むと分かりやすいはずです。→ Mac で WhisperX：単語単位タイムスタンプ＋話者分離を一本で
コードを書きたくない人へ：MacWhisper（GUIアプリ）
ここまでは基本的にターミナルを使う話でした。コマンドはハードルが高いという場合は、GUI アプリの MacWhisper が入口になります。ドラッグ＆ドロップで文字起こしでき、無料版から試せます。
→ MacWhisper 入門：コードを書かずに Mac で文字起こし（GUIアプリ・無料版あり）
まず GUI で「ローカル文字起こしの便利さ」を体感してから、もっと自由に・無料で深く組みたくなったら CLI 側（上の高速化シリーズ）に降りてくる、という順路もおすすめです。
これからの動向：Whisper の先
最後に、少し先の話も置いておきます。OpenAI は従来の Whisper の役割を複数のモデルに分け始めており、リアルタイム音声の領域も動いています。録音の文字起こしから一歩進んで、その場で聞き取る・話す方向に関心があるなら、こちらの整理が参考になります。
→ OpenAI が “Whisper” を3つに割った日｜gpt-realtime-* 3兄弟と既存 Whisper 系の立ち位置を整理する
まとめ：目的から逆引きする
Whisper を Mac で使うときの分かれ道を、もう一度一枚にまとめておきます。「実装の優劣」ではなく「目的との相性」で選ぶのが、遠回りしないコツです。
| 目的 | おすすめ | 記事 |
|---|---|---|
| 手軽・コードを書かない | MacWhisper（GUI） | MacWhisper 入門 |
| まず公式で基準を作る | openai-whisper | インストール編 |
| 最速・依存最小 | whisper.cpp | whisper.cpp 編 |
| Apple Silicon ネイティブ | MLX | MLX 編 |
| Python で柔軟に組む | faster-whisper | faster-whisper 編 |
| 速さ・手軽さを数字で比較 | 4実装の比較 | 比較ガイド【決定版】 |
| 字幕・議事録に落とす | 実用ワークフロー | 実用編 |
| 単語TS＋話者分離 全部入り | WhisperX | WhisperX 編 |
| 誰がいつ話したか（自前） | Whisper + pyannote | 話者分離編 |
迷ったら、まずインストール編で一度動かし、速度が気になったら比較ガイドで実装を選び直す——この二本を行き来するだけでも、Mac の Whisper はかなり使いこなせるようになります。
