会議の録音から文字起こし、話者分離、議事録・報告書の作成までを一台のMac miniで行う「TENEXUS音声議事録ダッシュボード V2」。WhisperX・pyannote.audio・Ollamaをつないだ内部構成と、安定運用のために確認した点を動画で解説しています。
会議の音声や内容を外部のAIサービスへ送らずに処理したい場合、モデルだけでなく、処理の順序、通信経路、認証情報の扱いまで含めて設計する必要があります。
動画を見る：【技術解説】WhisperX×pyannote×OllamaをMac miniで動かす
3つのツールを役割ごとに使う
- WhisperX：会議音声を文字起こしします。動画ではCPUとint8を使う構成を紹介します。
- pyannote.audio：音声の特徴をもとに話者を分けます。仕組みだけでなく、誤りが起きる条件や限界も扱います。
- Ollama：ローカルで動く言語モデルを使い、文字起こしから議事録と報告書を作成します。
各工程の結果を次へ渡して、会議音声から文書までをつなぎます。議事録と報告書は目的が異なるため、動画では別々に生成する設計も説明しています。
メモリを考えた処理順とジョブ管理
音声処理と大規模言語モデルの推論を同時に実行すると、メモリ使用量が増えて動作が不安定になる場合があります。V2では各ジョブを順番に実行し、処理状況を管理してから次へ進む構成を採用しています。動画では32GB構成での実測をもとに、モデル処理を重ねない工夫、ジョブの再実行、失敗時の扱いを紹介します。
オフライン運用は通信経路も確認する
ローカルモデルを使っていても、ライブラリの利用状況送信やモデル取得先への通信が別に発生することがあります。動画ではpyannote.audioのメトリクス送信を止める設定、Hugging Face Hubをオフラインモードにする設定、Ollamaでローカルモデルを指定する方法を確認しています。完全オフラインで運用する場合は、必要なモデルを事前に用意し、実際の通信先を環境ごとに検証してください。
動画で扱う内容
- システム全体の構成とデータの流れ
- WhisperXによるCPU・int8文字起こし
- pyannote.audioの話者分離と限界
- Ollamaで議事録と報告書を別々に生成する方法
- 32GB環境での逐次実行、ジョブ管理、再生成
- 完全オフライン化の設定、認証情報、費用の確認
構成や費用、ライブラリの設定は環境やバージョンによって変わります。動画内の調査・実装確認日は2026年8月6日です。導入時は各プロジェクトの公式情報と、自社の情報管理規程を確認してください。
コメント