Whisper GUI 7選:Windows・Mac(2026)
Whisper GUIは、OpenAIのWhisper音声認識モデルをターミナルなしで動かすアプリです。WindowsとMacで使える7つのデスクトップアプリを、セットアップ、GPU対応、編集、書き出しで比較します。
Whisper GUIは、OpenAIが公開しているWhisper音声認識モデルを、ターミナルではなくボタン操作で動かすデスクトップアプリです。音声または動画ファイルを入れてモデルを選ぶと、文字起こしや字幕ファイルが返ってきます。優れたものはPythonなしでインストールでき、モデルも自動でダウンロードし、グラフィックスカードを使います。
手短に言えば: Windows・Mac・Linuxで無料の定番はBuzz、Macで最も洗練されているのはMacWhisper、編集する字幕ファイルが成果物なら無料のSubtitle Edit、そして字幕にスタイルを設定したい、焼き込みたい、翻訳したいならSablateです。Sablateは私たちが作っています。残り6つのツールは私たちがベンチマークしたものではなく、詳細はそれぞれのREADME、ドキュメント、料金ページによるもので、2026年11月12日時点で確認しています。
| 必要なのは… | Windows | Mac |
|---|---|---|
| セットアップ不要の無料の文字起こし | BuzzまたはVibe | Vibe、Buzz、またはMacWhisperの無料版 |
| インタビューで誰が何を言ったか | noScribe、Buzz、Vibe | noScribe、Buzz、Vibe |
| 手作業で編集する字幕ファイル | Subtitle Edit | Subtitle Edit |
| スタイル付き、焼き込み、多言語の字幕 | Sablate | Sablate |
| スクリプトで動かせるローカルのWebアプリ | Whisper-WebUI | Whisper-WebUI |
優れたWhisper GUIの条件
このリストのアプリはどれも、同じ公開Whisperモデルを実行します。違いを生むのは、モデルの周りにあるすべてです:
- Pythonプロジェクトではなく、アプリとしてインストールできる。 署名済みのインストーラーと、初回使用時に自動でダウンロードされるモデル。GUIの意味はそこにあります。ここに挙げた無料ツールのうち2つはWindowsのインストーラーが未署名なので、SmartScreenの警告が出ます。
- ボタンの下で動くエンジン。 多くのGUIは、OpenAIのリファレンス実装、faster-whisper、whisper.cppのいずれかをラップしています。同じモデルでも速度は大きく異なり、これは次のセクションで示します。
- 手元のハードウェアでのGPU対応。 Windowsでは主にCUDA経由のNVIDIAカードで、whisper.cppのビルドならVulkanがAMDとIntelのグラフィックスをカバーします。Macでは、GPUを使うエンジンは一部だけです。
- モデルの選択とダウンロード。
tinyからlarge-v3、large-v3-turboまでの全範囲を、一度ダウンロードして使い回せるのが望ましいです。サイズと速度はモデル比較にあります。 - 文字起こしのあとに何ができるか。 エディタ、話者ラベル、翻訳、字幕の改行、焼き込みは、アプリ間の差が最も大きい部分です。
- まだメンテナンスされているか。 Whisperのエンジンは変化が速く、1年間リリースのないGUIは、モデルとGPU対応で遅れを取ります。
Whisper GUIはコマンドラインと同じ精度か
同じモデルを実行しているなら、同じです。重みは同じファイルだからです。エンジンが変えるのは速度とメモリであり、モデルが知っていることではありません。
速度の差は大きいです。faster-whisperのREADMEは、13分の音声でのベンチマークを公開しています。NVIDIA RTX 3070 Tiでlarge-v2を使った場合、OpenAIのリファレンス実装は2分23秒、whisper.cppは1分05秒、faster-whisperは1分03秒、8ビット量子化なら59秒でした。8スレッドのIntel Core i7-12700Kでsmallモデルを使った場合は、同じファイルがリファレンス実装で6分58秒、whisper.cppで2分05秒、8ビット量子化のfaster-whisperで1分42秒でした。faster-whisperは自らを、同じ精度のままopenai/whisperの最大4倍高速で、メモリ使用量も少ないと説明しています。
文字起こしの結果を実際に変えるのは設定です。音声区間検出フィルター(VAD)は、Whisperに渡る前に無音部分を飛ばすため、Whisperが最も文章を作り出しやすい区間がなくなります。残りはWhisperのハルシネーションガイドで扱っています。
どの設定よりも重要なのはモデルです。OpenAIはlarge-v3-turboがlarge-v2とほぼ同じ精度で文字起こしできると述べていますが、翻訳するようには学習されていないため、turboで「英語への翻訳」タスクを実行すると、元の言語がそのまま返ってきます。これらの選択を隠すGUIは使いやすく、見せるGUIは失敗した実行を自分で直せます。
2026年のおすすめWhisper GUI 7選
1. Sablate — 完成した字幕まで行うWhisper GUI
SablateはWindowsとMac向けのデスクトップアプリで、Whisperをローカルで実行します(faster-whisper、Apple Siliconではwhisper.cpp)。Fast(tiny)、Balanced(small)、Accurate(large-v3-turbo)、Best(large-v3)の4段階があり、100の入力言語を自動検出付きで扱えます。各モデルのダウンロードは1回だけで、サイズはFastの約78 MBからBestの約3.09 GBまでです。音声区間検出フィルターは常にオンで、文字起こしは1行42文字以内の2行まで、6秒以内の字幕キューに区切られ、0.5秒を超える間があるたびに新しいキューが始まります。
ここに挙げた他のどのGUIとも違うのは、そのあとです。言語を追加するたびに、同じ文字起こしの上のレイヤーになり、Argosによるオフライン翻訳、または自分のキーでDeepL、OpenAI、Claudeを使って翻訳されます。どのレイヤーも独自のスタイルと独自の文字体系フォントを持ちます。エディタにはタイムライン上での再タイミング、分割と結合、検索と置換があり、13種類の字幕プリセットはClassicから単語単位のカラオケ字幕までそろっています。libassによる焼き込みでは、16:9、9:16、1:1のいずれかで動画を書き出します。書き出しは.srt、.vtt、.txtに加えて、Proでは.assと、言語ごとにトラックを持つ.mkv1本です。
Windowsでは、NVIDIAのGPUがCPUよりおよそ5〜10倍速く文字起こしを行い、CUDAランタイムは初めて必要になったときにダウンロードされます。Apple Silicon搭載のMacでは、Sablateはwhisper.cppに切り替え、Metal経由でGPUで文字起こしを行います。Intel MacではCPUを使います。話者ラベルはなく、マイクからのライブ文字起こしにも対応していません。
買い切り$29、または月額$5.99。 無料プランはアカウント不要で、10分までの動画、月3ジョブ、FastとBalancedのモデル、オフライン翻訳レイヤー1つをカバーします。焼き込みには隅に小さなマークが入ります。1本の動画から複数言語へが、Sablateがもともと想定している作業です。
2. Buzz — 無料のオープンソースの定番
BuzzはMITライセンスの無料オープンソースで、Windows、Mac、Linuxに対応しています。このリストで最も幅広くエンジンに対応しており、OpenAIのWhisper、Vulkanアクセラレーション付きのwhisper.cpp、faster-whisper、Whisper互換のHugging Faceモデル、NVIDIAのParakeet、OpenAI APIが使えます。NVIDIAのGPUはCUDA経由、他のほとんどのGPUはVulkan経由で使います。
Sablateにできないこともあります。マイクからのライブ文字起こしと、録音内の話者識別です。書き出しは.txt、.srt、.vtt、.csvです。翻訳は、Whisper自身の英語への翻訳タスクか、接続したOpenAI互換モデル(OllamaによるローカルのモデルもOK)を通した他の言語です。
READMEに書かれている注意点が2つあります。Windowsのインストーラーは署名されていないため、実行前にWindowsが警告を出します。そして、2026年8月の現行リリース1.4.5がIntel Mac向けの最後のバージョンで、以降のバージョンはApple Siliconが必要です。
無料。 必要なのがテキストか.srtだけなら、ここから始めてください。
3. MacWhisper — Macで最も洗練されたWhisperアプリ
MacWhisperはwhisper.cppをベースにしたMacネイティブのアプリで、Metal経由でMacのGPU上でWhisperを実行します。これはfaster-whisperのみをベースにしたアプリにはできないことです。MシリーズのMacではWhisperKitモデルが加わり、オンライン会議も録音できます。Proでは、NVIDIAのParakeetモデル、話者認識、ライブキャプションが加わります。.srtと.vttのほか、.docx、.pdf、.csv、Markdown、HTMLにも書き出せ、翻訳はWhisper経由、または自分のキーでDeepL経由で行います。
まず文字起こしのアプリです。スタイル設定や映像への字幕の焼き込みは、手元の動画編集ソフトに任されており、Windows版はありません。その穴はMacWhisperのWindows向け代替ツールで扱っています。Mac App Store版は別のアプリのWhisper Transcriptionで、サブスクリプションで販売されています。
無料、またはProが買い切り€64。 Mac専用で、現行バージョンはmacOS 14以降が必要です。Apple Siliconでの長時間の録音では、速度で選ぶならこれです。
4. Subtitle Edit — 本格的な字幕エディタの中のWhisper
Subtitle EditはMITライセンスの無料オープンソースで、Windows、Mac、Linux向けのビルドがあります。Mac版の.dmgは5.2.0から署名・公証されており、5.4.0は2026年11月6日にリリースされました。WhisperはVideo → Speech to textの下にあり、ドキュメントには12のエンジンが載っています。whisper.cpp、Purfview製のFaster-Whisper-XXL、Whisper CTranslate2、WhisperX、オプションのクラウドサービスなどです。Windowsでは、whisper.cppエンジンがCUDAまたはVulkanを使えます。
文字起こしのあとは、ここで最も奥深い字幕ツールです。タイミング調整用の波形表示、380を超える字幕形式、そしてVideo → Generate video with burned-in subtitlesからFFmpeg経由での焼き込みまであります。その奥深さの代償が判断で、エンジン、モデル、GPUバックエンドの選択は自分で行います。Subtitle EditのWhisperガイドが、その選択を順に解説しています。
無料。
5. Vibe — 無料で、どのデスクトップOSでも同じアプリ
VibeはMITライセンスの無料オープンソースで、Windows、Mac、Linuxに対応し、whisper.cppをベースにしています。READMEには、VulkanとCore MLによるNVIDIA、AMD、IntelのグラフィックスでのGPUアクセラレーション、バッチ文字起こし、話者分離、字幕に使える精度のタイムスタンプを出すモードが挙げられています。書き出しは.srt、.vtt、.txt、.html、.pdf、.json、.docxで、3.3.0は2026年10月29日にリリースされました。
翻訳は英語のみで、READMEには字幕のスタイル設定も焼き込みも載っていません。フォルダいっぱいの録音をテキストか.srtにしたいなら、このリストで最も手早い無料のセットアップです。
無料。
6. noScribe — 複数の話者がいるインタビュー向け
noScribeはGPL-3.0の無料オープンソースで、Windows、Mac、Linuxに対応し、インタビューの文字起こし用に作られています。faster-whisperとpyannoteによる話者分離を組み合わせているため、文字起こしには誰が話しているかが記され、結果は専用のエディタのnoScribeEditで開いて、テキストを音声と照らし合わせて確認できます。
制限は、公式ドキュメント自身が示しています。認識できるのはおよそ60言語で、書き出しは.html、.txt、.vttで.srtは出せず、MacではApple SiliconとmacOS 14が必要で、Intel Mac向けの最後のビルドは0.6です。WindowsのCUDAビルドには、VRAMが6 GB以上のNVIDIA RTX 20シリーズ以降のカードが必要です。バージョン0.8は2026年10月6日にリリースされました。
無料。 字幕よりも「誰が何を言ったか」が重要なときの正解です。
7. Whisper-WebUI — Pythonを気にしない人向けのブラウザインターフェース
Whisper-WebUIはGradioアプリで、Python 3.10〜3.12とFFmpegでインストールするか、Docker、またはPinokioランチャー経由でインストールすると、ブラウザのlocalhostで動きます。標準ではfaster-whisperを使い、代替としてOpenAIのWhisperとinsanely-fast-whisperが選べます。さらにSileroによる音声区間検出、BGMの分離、pyannoteによる話者分離、NLLBモデルまたはDeepL APIによる字幕の翻訳が加わります。出力は.srt、.vtt、またはプレーンテキストです。
設定の自由度が最も高い無料の選択肢であり、最もアプリらしくありません。標準のインストールはCUDA 12.8のNVIDIA GPUを前提とし、話者分離にはHugging Faceのトークンが必要で、最後にタグ付けされたリリースの1.0.8は2025年10月のものです。同じ事情はfaster-whisper-GUIにも当てはまります。検索には今も出てくるWindowsアプリですが、2024年12月以降リリースがありません。
無料。 クリックで進めるよりも、パイプラインをスクリプトで組みたい人向けです。
Whisper GUI比較
| 項目 | Sablate | Buzz | MacWhisper | Subtitle Edit | Vibe | noScribe | Whisper-WebUI |
|---|---|---|---|---|---|---|---|
| 対応OS | WindowsとMac | Windows・Mac・Linux | Mac | Windows・Mac・Linux | Windows・Mac・Linux | Windows・Mac・Linux | PythonまたはDockerが動く環境ならどこでも |
| 価格 | 買い切り$29、または月額$5.99、無料プランあり | 無料 | 無料、Proは買い切り€64 | 無料 | 無料 | 無料 | 無料 |
| エンジン | faster-whisper、Apple Siliconではwhisper.cpp | Whisper、whisper.cpp、faster-whisperなど | whisper.cpp、WhisperKit、Parakeet | 12のエンジン、ローカルとクラウド | whisper.cpp | faster-whisper | 標準はfaster-whisper |
| Pythonなしでインストール | はい | はい | はい | はい | はい | はい | いいえ |
| WindowsでのGPU | NVIDIA(CUDA) | NVIDIA(CUDA)、他はVulkan | Windows版なし | NVIDIA(CUDA)、他はVulkan | NVIDIA、AMD、Intel(Vulkan) | NVIDIA RTX 20シリーズ以降(CUDA) | NVIDIA(CUDA) |
| MacでのGPU | あり(Metal、Apple Silicon) | ドキュメントに記載なし | あり(Metal) | エンジンによる | あり(Core ML) | ドキュメントに記載なし | ドキュメントに記載なし |
| 話者ラベル | なし | あり | Pro、Mシリーズ搭載Mac | ドキュメントに記載なし | あり | あり | あり |
| 翻訳 | オフラインレイヤー、またはDeepL・OpenAI・Claudeを自分のキーで | 英語へ、またはOpenAI互換モデル経由で任意の言語へ | Whisper経由、または自分のキーでDeepL | 複数のエンジン | 英語のみ | なし | 英語へ、字幕ファイルにはNLLBまたはDeepL |
| 焼き込み | あり | なし | なし | あり、FFmpeg経由 | なし | なし | なし |
| 字幕・テキスト形式 | .srt、.vtt、.txt、.ass、.mkv | .srt、.vtt、.txt、.csv | .srt、.vtt、.docx、.pdfなど | 380以上 | .srt、.vtt、.txt、.docxなど | .vtt、.html、.txt | .srt、.vtt、.txt |
| 最新リリース(2026年11月12日時点) | 1.0.2、2026年10月 | 1.4.5、2026年8月 | サイトに記載なし | 5.4.0、2026年11月 | 3.3.0、2026年10月 | 0.8、2026年10月 | 1.0.8、2025年10月 |
まずSablateにとって不利な行から見てみましょう。7つのうち4つにはLinux向けのビルドがありますが、Sablateにはありません。5つは無料です。5つは話者ラベルを付けられますが、Sablateは付けられません。これらのどれかが決め手になるなら、それで決まりです。
WindowsとMacのWhisper GUI:GPUを使えるのはどれか
Windowsでは、問題はNVIDIAのカードがあるかどうかです。あれば、MacWhisperを除くここのすべてのアプリがWhisperをその上で動かせ、多くはCUDA経由です。1時間の音声が数分で終わるか、1時間近くかかるかは、そこで分かれます。なければ、whisper.cppベースのアプリがVulkan経由でAMDとIntelのグラフィックスに届きます。Buzz、Vibe、そしてSubtitle Editのwhisper.cppエンジンです。SablateはNVIDIAのGPUを初めて検出したときにだけCUDAランタイムをダウンロードするので、それ以外の人にとってはインストーラーが小さいままです。
Macでは、エンジンで決まります。whisper.cppのREADMEは、Apple SiliconではMetal経由で推論がすべてGPU上で実行され、Neural Engine上のCore MLエンコーダーはCPUのみの実行に比べて3倍以上高速だと述べています。faster-whisperのREADMEがGPUの経路として挙げているのはNVIDIAのライブラリだけなので、faster-whisperのみをベースにしたアプリは、MacのCPUで文字起こしを行います。そのためSablateは、Apple Siliconではwhisper.cppに切り替えています。短いクリップならこの差はほとんど問題になりませんが、2時間の録音では、whisper.cppベースのアプリを選ぶ理由になります。
Intel Macは選択肢が減りつつあります。Buzz 1.4.5とnoScribe 0.6が、この2つのアプリにとって最後のIntel向けビルドです。一方、SablateはApple Silicon向けとIntel向けのビルドを別々に提供しており、macOS 12 Montereyが必要です。Whisperのフロントエンドではなく、録音からテキストが欲しいだけなら、Mac向けの文字起こしソフトで、会議向けやクラウドのアプリも比較しています。
どれを選ぶべきか
「インタビューの文字起こしが、今日中に、無料で欲しい」 BuzzかVibeです。どちらも1分でインストールでき、テキストか.srtを書き出します。
「2、3人が話していて、誰が何を言ったか知りたい」 まさにそのために作られたnoScribeです。BuzzとVibeも話者ラベルを付けられます。
「Apple SiliconのMacで長時間の録音」 MacWhisperです。無料でなければならないならVibeです。SablateもMacではGPUを使いますが、MacWhisperにはNeural EngineとParakeetモデルもあります。
「結果は、手作業で直す字幕ファイル」 Subtitle Editです。タイミングと形式で、これより深く踏み込める無料ツールはありません。
「字幕を動画に載せる、しかも複数言語で」 Sablateです。1回の文字起こしに、言語ごとのスタイル付きレイヤー、必要なアスペクト比でのlibassによる焼き込みがあります。Whisperの全言語とその誤り率で、どの入力言語がうまく文字起こしできるかが分かります。
「スクリプトで動かしたい、またはサーバーで動かしたい」 Whisper-WebUI、またはコマンドラインのWhisper本体です。後者はオフライン字幕生成ツールの比較で、そのまま使えるコマンドとともに扱っています。
まとめ
どのWhisper GUIも同じモデルを実行しているので、手元のハードウェアに合ったエンジンと、文字起こしのあとに何が必要かで選んでください。無料のテキストならBuzzかVibe。話者ならnoScribe。Macで長いファイルならMacWhisper。編集する字幕ファイルならSubtitle Edit。字幕にスタイルを設定したい、焼き込みたい、複数の言語で届けたいなら、SablateをWindowsまたはMac向けにダウンロードして、無料プランで実際の動画を1本試すか、Proで何が加わるかをご覧ください。
よくある質問
WindowsでおすすめのWhisper GUIはどれですか?
無料の文字起こしならBuzz、無料の字幕編集ならSubtitle Edit、文字起こしをスタイル付き、焼き込み、翻訳済みの字幕にしたいならSablateです。3つとも通常のWindowsソフトと同じようにインストールでき、NVIDIAのグラフィックスカードを使えます。Buzz、Vibe、そしてSubtitle Editのwhisper.cppエンジンは、Vulkan経由でAMDとIntelのグラフィックスも使えます。
MacでおすすめのWhisper GUIはどれですか?
MacWhisperです。MacのGPUでWhisperを実行するネイティブのMacアプリだからです。無料のオープンソースならVibeとBuzzがあります。SablateはApple SiliconではGPUで文字起こしし、Intel Macでも動きます。文字起こしのあとの機能、つまりスタイル付き、焼き込み、多言語の字幕のために選んでください。
PythonやコマンドラインなしでWhisperを使えますか?
はい。Sablate、Buzz、MacWhisper、Vibe、noScribe、Subtitle Editのようなデスクトップ版のWhisper GUIは、ほかのアプリと同じようにインストールでき、初回使用時にWhisperモデルをダウンロードするので、ターミナルを開く必要はありません。例外はWhisper-WebUIのようなブラウザ型のインターフェースで、自分でインストールするPythonまたはDockerの環境で動きます。
Whisper GUIはWhisperのコマンドラインと同じ精度ですか?
はい、同じモデルを実行している場合は同じです。重みはどのアプリでも同一で、違うのはその周りのエンジンです。faster-whisperは、OpenAIのリファレンス実装と同じ精度で最大4倍の速度を報告しています。結果を大きく左右するのは、インターフェースよりも、選ぶモデルや音声区間検出フィルターなどの設定です。
字幕を作れるWhisper GUIはどれですか?
7つすべてが字幕ファイルを書き出せます。6つはSRTとVTTを書き出し、noScribeはVTTのみです。Subtitle EditとSablateは、タイミング調整ツールや字幕の動画への焼き込みまで備えています。Sablateはさらに、1回の文字起こしから翻訳した言語ごとに個別にスタイルを設定したレイヤーを作り、別々のファイルまたは1つのMKVとして書き出せます。
Whisper GUIはオフラインで使えますか?
はい、最初のダウンロードのあとは使えます。どのアプリもWhisperモデルの取得のために一度だけインターネットが必要で、その後はファイルをアップロードせずに自分のコンピューターで文字起こしします。BuzzやSubtitle EditのOpenAI APIのように、音声を外部に送信するオプションのクラウドエンジンを備えたものもあるので、機密性のある録音を処理する前に、どのエンジンが選ばれているか確認してください。