文字起こしワークフローの構築

このモジュールで学ぶこと

• Google Driveから音声ファイルをダウンロードする方法
• Execute Commandノードでwhisper-cliを実行する方法
• 文字起こし結果をGoogle Driveに保存する方法
• ループ処理で複数ファイルを一括処理する方法

学習目標

このモジュールを終えると、以下のことができるようになります：

• Google Drive内の音声ファイルを自動で文字起こしできる
• 結果をテキストファイルとしてDriveに保存できる
• 複数ファイルを一括で処理できる

目次

• セクション1: ワークフローの全体設計
• セクション2: 新規ワークフローの作成
• セクション3: Google Driveから音声ファイルを検索
• セクション4: ループ処理の設定
• セクション5: 音声ファイルのダウンロード
• セクション6: Whisper.cppで文字起こし
• セクション7: 結果の読み込みとアップロード
• セクション8: 一時ファイルの削除
• セクション9: 全体テスト
• トラブルシューティング
• まとめ
• 参考資料
• よくある質問

事前準備

必要なもの

• Whisper.cpp セットアップ完了済み
• Google Driveに音声ファイル（mp3, wav, m4a等）がアップロード済み
• n8nでGoogle Drive認証が設定済み

テスト用音声ファイルの準備

Google Driveに「文字起こしテスト」フォルダを作成し、短い音声ファイル（30秒〜1分程度）をアップロードしておいてください。

セクション1: ワークフローの全体設計

処理フロー

[Manual Trigger]
    |
[Search Audio Files] - Driveから音声ファイルを検索
    |
[Loop Over Items] - 1ファイルずつ処理
    |
[Download File] - 音声ファイルをダウンロード
    |
[Save to Temp] - 一時ファイルとして保存
    |
[Execute Whisper] - whisper-cliで文字起こし
    |
[Read Result] - 結果テキストを読み込み
    |
[Upload to Drive] - テキストファイルをDriveにアップロード
    |
[Clean Up] - 一時ファイルを削除

チェックポイント

• ワークフローの全体像を理解した

セクション2: 新規ワークフローの作成

Step 1: ワークフローを作成

1. n8n（http://localhost:5678）を開く
2. 「Create new workflow」をクリック
3. ワークフロー名を「音声文字起こし」に変更

Step 2: Manual Triggerを追加

キャンバスをクリックして「Manual Trigger」を追加します。

チェックポイント

• 新規ワークフロー「音声文字起こし」を作成した
• Manual Triggerを追加した

セクション3: Google Driveから音声ファイルを検索

Step 3: Google Driveノードを追加

1. 「+」をクリック → 「Google Drive」を検索して追加
2. ノード名を「Search Audio Files」に変更
3. 設定：

フォルダIDの取得方法

Google DriveでフォルダをA開き、URLからIDをコピー：

https://drive.google.com/drive/folders/【このIDをコピー】

Step 4: テスト実行

「Execute step」をクリックして、音声ファイルが検索されることを確認します。

チェックポイント

• Search Audio Filesノードを追加した
• テスト実行で音声ファイルが取得できた

セクション4: ループ処理の設定

Step 5: Loop Over Itemsノードを追加

複数の音声ファイルを1つずつ処理するためのループを設定します。

1. 「+」をクリック → 「Loop Over Items」を検索して追加
2. 設定：

チェックポイント

• Loop Over Itemsを追加した

セクション5: 音声ファイルのダウンロード

Step 6: Google Driveノードを追加（ダウンロード用）

1. Loop Over Itemsの「loop」出力から「+」をクリック
2. 「Google Drive」を検索して追加
3. ノード名を「Download Audio」に変更
4. 設定：

Step 7: 一時ファイルとして保存

1. 「+」をクリック → 「Write Binary File」を検索して追加
2. ノード名を「Save to Temp」に変更
3. 設定：

チェックポイント

• Download Audioノードを追加した
• Save to Tempノードを追加した

セクション6: Whisper.cppで文字起こし

Step 8: Execute Commandノードを追加

1. 「+」をクリック → 「Execute Command」を検索して追加
2. ノード名を「Execute Whisper」に変更
3. 設定：

Command（コピー用）:

/opt/whisper.cpp/build/bin/whisper-cli -m /opt/whisper.cpp/models/ggml-base.bin -l ja -otxt -of /tmp/output /tmp/{{ $('Save to Temp').item.json.fileName }}

コマンドオプションの説明

Step 9: テスト実行

ここまでのノードをテスト実行し、/tmp/output.txt が生成されることを確認します。

チェックポイント

• Execute Whisperノードを追加した
• テスト実行で文字起こしが成功した

セクション7: 結果の読み込みとアップロード

Step 10: Read Binary Fileノードを追加

1. 「+」をクリック → 「Read Binary File」を検索して追加
2. ノード名を「Read Result」に変更
3. 設定：

Step 11: Google Driveノードを追加（アップロード用）

1. 「+」をクリック → 「Google Drive」を検索して追加
2. ノード名を「Upload to Drive」に変更
3. 設定：

チェックポイント

• Read Resultノードを追加した
• Upload to Driveノードを追加した

セクション8: 一時ファイルの削除

Step 12: Execute Commandノードを追加（クリーンアップ用）

1. 「+」をクリック → 「Execute Command」を検索して追加
2. ノード名を「Clean Up」に変更
3. 設定：

Step 13: ループを完成させる

Clean Upノードの出力を「Loop Over Items」ノードに接続し、ループを完成させます。

チェックポイント

• Clean Upノードを追加した
• ループが完成した

セクション9: 全体テスト

Step 14: ワークフロー全体をテスト

1. Manual Triggerの「Execute Workflow」をクリック
2. 全ノードが順番に実行されることを確認
3. Google Driveに文字起こし結果（.txtファイル）がアップロードされていることを確認

成功の確認ポイント

• 音声ファイルが検索された
• 音声ファイルがダウンロードされた
• Whisper.cppで文字起こしが実行された
• 結果がGoogle Driveにアップロードされた

トラブルシューティング

Execute Whisperでエラーが出る

症状: whisper-cli: not found エラー

解決方法: パスが正しいか確認。フルパスで指定：

/opt/whisper.cpp/build/bin/whisper-cli

日本語が文字化けする

症状: 文字起こし結果が文字化けしている

解決方法: -l ja オプションが指定されているか確認。モデルが日本語対応（ggml-base.bin）か確認。

大きなファイルで処理が遅い

症状: 長時間の音声で処理に時間がかかる

解決方法:

• CPUスレッド数を増やす: -t 8
• より小さいモデルを使う: ggml-tiny.bin

一時ファイルが残る

症状: /tmp にファイルが溜まる

解決方法: Clean Upノードが正しく実行されているか確認。必要に応じて手動でクリア：

docker exec n8n rm -f /tmp/*.mp3 /tmp/*.wav /tmp/*.txt

まとめ

このモジュールで学んだこと

• Google DriveとWhisper.cppを連携させる方法
• Execute Commandノードでコマンドラインツールを実行する方法
• バイナリファイルの読み書きと一時ファイルの管理
• ループ処理で複数ファイルを一括処理する方法

次のステップ

• Schedule Triggerで定期実行する
• 処理完了をSlack/Emailで通知する
• 文字起こし結果をGoogle Sheetsに保存する

参考資料

• n8n Execute Command Node
• n8n Google Drive Node
• Whisper.cpp Usage

よくある質問

Q: 対応している音声フォーマットは？ A: flac, mp3, ogg, wav に対応しています。m4aの場合は事前にffmpegで変換が必要です。

Q: 処理時間の目安は？ A: baseモデルの場合、1分の音声で約30秒〜1分程度です。CPUスペックにより変動します。

Q: 複数ファイルを並列処理できますか？ A: Batch Sizeを増やすことで可能ですが、メモリ使用量に注意が必要です。

Q: 話者分離（誰が話したか）はできますか？ A: Whisper.cpp単体では対応していません。話者分離が必要な場合はAssemblyAI等のクラウドAPIを検討してください。

Q: より高精度なモデルを使いたい場合は？ A: Dockerfileで ggml-small.bin（466MB）や ggml-medium.bin（1.5GB）をダウンロードし、コマンドの -m オプションを変更してください。