トラブルシューティング

WhisperX での最初の文字起こしに時間がかかる

モデルは初回使用時にダウンロードされるため、接続状況とモデルのサイズ（最大約 3 GB）によっては数分かかることがあります。進捗表示で読み込み中かどうかがわかります。モデルはオプションが変わらない限りメモリに残るので、次回以降の文字起こしはすぐに始まります。

WhisperX が CUDA out of memory で失敗する

GPU のメモリが設定に対して不足しています。次の順に試してください。

1. 環境設定 → 文字起こし で バッチサイズ を下げます（例: 4）。
2. より小さいモデルを使います（例: small や base）。
3. より軽い 計算タイプ を使います（例: int8）。

最後の 2 つは品質が下がることがあります。各モデルに必要なメモリはエンジンをご覧ください。

文字起こしに時間がかかりすぎる

WhisperX の速度はハードウェアに左右されるため、性能の低い CPU ではすぐに結果が出ることは期待できません。small などの小さいモデル、GPU での large-v3-turbo、計算タイプ int8 を試してください。Apple シリコン搭載の Mac では、GPU で文字起こしするよう 環境設定 → 文字起こし の CPU を使用 がオフになっていることを確認してください。リモートサーバーで動作する Whisper API や Google API を使う方法もあります。

Whisper API がエラー 429 を返す

RateLimitError("Error code: 429 - {'error': {'message': 'You exceeded your current quota, ...', 'type': 'insufficient_quota', ...}}")

OpenAI アカウントのクレジットがなくなったか、初めて API を使う前に入金が必要です（無料クレジットがある場合でも）。OpenAI アカウントの Billing でクレジットを購入してください。アカウントが有効になるまで最大 10 分かかることがあります。

初めて入金する前に API キーを作成していて、10 分経ってもエラーが続く場合は、新しいキーを作成して 環境設定 → API キー で設定してください。

話者を識別できない

文字起こしが 話者の識別には Hugging Face のトークンが必要です。 または 話者識別モデルをダウンロードできませんでした。 で失敗する場合は、トークンがない、無効である、またはモデルにアクセスできません。

話者の識別には、Hugging Face のトークンとモデルの利用条件への同意が必要です。次を確認してください。

• 同じアカウントで pyannote/speaker-diarization-community-1 の利用条件に同意していること。
• トークンが Read ロールで、環境設定 → API キー で設定されていること。

話者の識別をご覧ください。

マイクが見つからない、または何も録音されない

• マイクが接続されていることを確認し、マイク一覧の横にある更新ボタンをクリックします。
• macOS では システム設定 → プライバシーとセキュリティ → マイク で、Windows では 設定 → プライバシー → マイク で Audiotext を許可します。
• レベルメーターに 音がありません と表示される場合は、一覧から別のマイクを選ぶか、ミュートになっていないか確認します。
• 音声が録音されませんでした。 と表示された場合は、マイクから音が届く前に録音が終わっています。もう一度録音するか、別のマイクを選んでください。

ライブテキストが表示されない

録音中に 録音中はテキストを表示できません。 と表示された場合は、ライブ用モデル を読み込めませんでした。たとえば、初回使用時にダウンロードされるためインターネット接続が必要である、またはメモリが足りないといった原因が考えられます。録音には影響せず、停止すると通常どおり文字起こしされます。ライブテキスト カードで、より小さな ライブ用モデル（例: tiny や base）を選んでください。

文字起こしの音声を再生できない

ソースファイルが移動または削除されています。テキストは残りますが、音声は元のファイルからしか再生できません。マイクの録音と URL の音声は Audiotext が保存しています。

YouTube 動画をダウンロードできない

URL が正しく、動画が公開されていることを確認してください。YouTube は頻繁に変わるため、それでも失敗する場合は Audiotext の新しいバージョンがないか確認してください。

代わりに この YouTube 動画には音声トラックがありません。 と表示された場合は、その動画には文字起こしできる音声がありません。

リンクを文字起こしできない

• URL が音声・動画ファイルを指していません。: リンクがファイルではなくウェブページを開いています。使えるのは YouTube 動画のリンクと、音声・動画ファイルへの直接リンクだけです。ページ内でファイルをダウンロードするリンク（例: ポッドキャストのエピソード）を探して使うか、ファイルをダウンロードして ファイル ソースで文字起こししてください。
• ファイルをダウンロードできませんでした: …: ファイルにアクセスできませんでした。リンクがブラウザーで開けるか、インターネットに接続しているかを確認してください。ログインが必要なリンクはダウンロードできません。ファイルを自分でダウンロードして ファイル ソースを使ってください。

フォルダーのファイルが 1 つも文字起こしされない

すでに文字起こしがあるファイルはスキップされます。隠しファイルや 次に一致するファイルをスキップ に一致するファイルも同様です。もう一度文字起こしするには、フォルダーの ⋯ メニューの すべて再文字起こし… を使うか、ファイルの一覧 でファイルを選択します。サブフォルダー内のファイルは サブフォルダーを含める がオンの場合だけ文字起こしされます。また、フォルダーには 対応しているファイル が含まれている必要があります。

Google API が言語を求める

Google API は言語を検出できません。設定で 音声の言語 を選んでください。

要約、回答、翻訳に失敗する

• DeepL はこの言語に翻訳できません: …。: DeepL はその言語に対応していません。言語モデルなど、別のプロバイダーを選んでください。
• モデルの応答が長すぎました。、モデルから有効な要約が返されませんでした。、モデルから有効な応答が返されませんでした。、モデルから有効な翻訳が返されませんでした。: モデルが要約、回答、翻訳を想定どおりの形式で書きませんでした。もう一度試すか、環境設定 → プロバイダー でより大きなモデルを選んでください。Ollama の小さなモデルは失敗しやすくなります。
• そのほかのエラーでは、プロバイダーの API キーが 環境設定 → API キー に設定されていること、アカウントにクレジットがあることを確認してください。

信頼度の低い単語に下線が引かれない

文字起こしの ⋯ メニューで 信頼度の低い単語を強調表示 がオンになっていることを確認してください。文字起こしに評価がない場合は、メニューに理由が表示されます。

• 「単語ごとのタイミング」をオンにして再度文字起こしする: WhisperX は単語のタイミングを決めるときに単語を評価します。
• この言語のアライメントモデルはありません: その言語の単語はタイミングを決めることも評価することもできません。
• 単語を評価するには再度文字起こしする: 単語が評価されるようになる前に文字起こししたものです。
• 単語を評価するのは WhisperX と whisper-1 のみです: ほかのエンジンやモデルは評価しません。

信頼度の低い単語を確認するをご覧ください。

字幕付き動画に四角が表示される

字幕付きの動画をエクスポートした後に … にエクスポートしましたが、次の文字を含むフォントがないため、四角で表示されます: … と表示された場合、システムのどのフォントもその文字を描けません。その文字体系のフォント（Noto など）をインストールして、もう一度エクスポートしてください。

アップデートを確認できない

アップデートを確認できませんでした。 は、Audiotext が GitHub に接続できなかったことを意味します。インターネット接続を確認するか、ファイアウォールやプロキシがブロックしていないか確認してください。最新バージョンは、いつでもリリースページからダウンロードできます。

その他

issues を検索するか、ディスカッションで質問してください。バグを見つけた場合は、システム、Audiotext のバージョン、再現手順を添えて報告してください。