ChatGPTとWhisperで音声文字起こし完全ガイド【2026年最新】：使い方・API・議事録・Python連携まで徹底解説

from openai import OpenAI

client = OpenAI()
audio_file = open("/path/to/file/audio.mp3", "rb")

transcription = client.audio.transcriptions.create(
    model="gpt-4o-transcribe",
    file=audio_file
)

print(transcription.text)

from openai import OpenAI

client = OpenAI()
audio_file = open("/path/to/file/meeting.mp3", "rb")

transcription = client.audio.transcriptions.create(
    model="gpt-4o-transcribe",
    file=audio_file,
    response_format="text",
    prompt="以下は日本語のビジネス会議の録音です。固有名詞：MYUUU、.AI（ドットエーアイ）"
)

print(transcription.text)

curl --request POST \
  --url https://api.openai.com/v1/audio/transcriptions \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header 'Content-Type: multipart/form-data' \
  --form file=@/path/to/file/audio.mp3 \
  --form model=gpt-4o-transcribe

from openai import OpenAI

client = OpenAI()
audio_file = open("/path/to/file/audio.mp3", "rb")

transcription = client.audio.transcriptions.create(
    model="whisper-1",
    file=audio_file,
    response_format="srt"
)

# SRTファイルとして保存
with open("output.srt", "w", encoding="utf-8") as f:
    f.write(transcription)

from pydub import AudioSegment

# 音声ファイルを読み込む
audio = AudioSegment.from_mp3("long_meeting.mp3")

# 10分ずつに分割
ten_minutes = 10 * 60 * 1000  # ミリ秒で指定
chunks = [audio[i:i+ten_minutes] for i in range(0, len(audio), ten_minutes)]

# 分割ファイルを書き出す
for i, chunk in enumerate(chunks):
    chunk.export(f"chunk_{i}.mp3", format="mp3")

音声録音（Zoom/Meet/手録り）
        ↓
音声ファイル取得（mp3/m4aなど）
        ↓
Whisper API（gpt-4o-transcribe）で文字起こし
        ↓
GPT-4o（または GPT-5.4 mini）で整形
    ・アジェンダ別に構造化
    ・アクションアイテム抽出
    ・決定事項のサマリー
        ↓
Slack / Notionに投稿

from openai import OpenAI

client = OpenAI()

def transcribe_meeting(audio_path: str) -> str:
    """音声ファイルを文字起こしする"""
    with open(audio_path, "rb") as audio_file:
        transcription = client.audio.transcriptions.create(
            model="gpt-4o-transcribe",
            file=audio_file,
            response_format="text",
            prompt="以下はビジネス会議の録音です。話者の発言をできる限り正確に文字起こししてください。"
        )
    return transcription

def create_minutes(transcription: str) -> str:
    """文字起こしから議事録を生成する"""
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {
                "role": "system",
                "content": "あなたは優秀な秘書です。会議の文字起こしから、構造化された議事録を作成してください。"
            },
            {
                "role": "user",
                "content": f"""以下の会議文字起こしを元に、議事録を作成してください。

【フォーマット】
## 会議概要
## 決定事項
## アクションアイテム（担当者・期限付き）
## 次回会議の議題

【文字起こし】
{transcription}"""
            }
        ]
    )
    return response.choices[0].message.content

# 使い方
transcription = transcribe_meeting("meeting.mp3")
minutes = create_minutes(transcription)
print(minutes)

# 固有名詞リストをプロンプトに埋め込む
prompt = """
この音声は、MYUUU株式会社の社内会議の録音です。
固有名詞: MYUUU、.AI（ドットエーアイ）、Claude Code、Dify、n8n
これらの単語は変換せず、そのまま書き起こしてください。
"""

transcription = client.audio.transcriptions.create(
    model="gpt-4o-transcribe",
    file=audio_file,
    prompt=prompt
)

# 句読点を含めて書き起こすよう指示
prompt = "以下は会議の録音です。句読点（。、！？）を適切に含めて書き起こしてください。"

transcription = client.audio.transcriptions.create(
    model="gpt-4o-transcribe",
    file=audio_file,
    language="ja",
    prompt="日本語と英語が混在する会話です。英語の専門用語はアルファベットのまま書き起こしてください。例：GPU、API、LLM、SaaS"
)