skills.volces.com/mlx-whisper

mlx-whisper は何をしますか？

Agent skill from skills.volces.com/mlx-whisper

概要

このスキルは、Apple Silicon 上で効率的に動作する MLX フレームワークを使用した Whisper 音声認識モデルを提供します。ローカルの音声ファイルをテキストに変換し、高速かつプライバシーを保護した文字起こしを実現します。

使用方法

以下のコマンドで音声ファイルを直接文字起こしできます。

mlx_whisper input_audio.mp3

Python からの利用

import mlx_whisper

text = mlx_whisper.transcribe("audio.mp3")["text"]
print(text)

対応プラットフォーム

• Apple Silicon (M1, M2, M3 以降)
• macOS 13 以降

注意事項

• 初回実行時にモデルが自動ダウンロードされます。
• 対応音声形式: mp3, wav, m4a, flac など。
• CPU モードよりも Neural Engine 利用時に高速化します。