AviUtl2-WhisperAutoSub

動画の音声から字幕を自動生成する、AviUtl2 用プラグインです。

文字起こしから字幕オブジェクトの配置までを AviUtl2 の中で完結させます。
音声認識は Whisper をローカルで実行するので、外部送信・API キー・アカウント登録はありません。

✨ できること

→ 全機能は 主な機能一覧 にあります。

⬇ ダウンロード

最新版 WhisperAutoSub.aux2 をダウンロード

🚀 使い始めるまで

足りないものがあれば 3 の時点で案内が出るので、そのまま導入できます。

⚠️ 初回だけ数 GB のダウンロードが発生します（PyTorch 約 4.3GB ＋ モデル約 1.6GB）。
2 回目以降はローカルのものが使われるので、すぐ始まります。

📌 v2.8 以前をお使いの方は、更新の前に v2.8 以前から更新する方へ をお読みください。

本プラグインは個人が独自に開発・公開しているものです。OpenAI、Anthropic、AviUtl2 開発者とは無関係です。

📣 お知らせ

v2.9.51（最新）は「導入が終わらない・字幕が消える」不具合をまとめて修正しました。

v2.9.36 以前をお使いの方は更新をおすすめします。
下記に心当たりがあれば、そのまま直っている可能性があります。

• セットアップを何度実行しても「導入済み」と飛ばされ、いつまでも直らない
  （途中で中断した方が抜け出せなくなっていました）
• セットアップ直後だけ、導入済みのものが「未導入」と表示される
• SRT のファイルができていないのに「完了」と表示された
• 直前のクリップの影響で、話しているのに字幕が消える
• 長い動画で、入れ直したのに生成がまた失敗する（10 分で打ち切られていました）
• まれに同じ字幕が二重に並ぶ
• 生成の途中で設定を変えると、その回の結果に新旧の設定が混ざる

うまく導入できなかったときに自分で入れ直せる手段（モデル／CUDA の再導入チェック）も戻しました。
各項目の説明は 更新履歴 にあります。

はじめに（初めての方へ）

本プラグインを使うには Python が必要です。ffmpeg はプラグインが自動で取得できます（既にお持ちならそれを使います）。

1. Python のインストール

迷ったら 3.12 系を入れてください。 どんな環境でも確実に動きます（理由は下記）。

1. Python 3.12 のダウンロードページ を開く

2. 「Python 3.12.x」の Windows installer (64-bit) をクリック
   ※ トップページの大きなダウンロードボタンは常に最新版（現在 3.14 系）を配ります。
   3.12 が欲しい場合は上記のバージョン一覧から選んでください

3. ダウンロードした python-3.12.x-amd64.exe を実行

4. ⚠️ 最初の画面で「Add python.exe to PATH」にチェックを入れる（最重要）

5. 「Install Now」をクリック

6. インストール完了後、コマンドプロンプトで確認:

   python --version
   

   Python 3.12.x と表示されれば成功です。

⚠️ 「Add python.exe to PATH」を忘れた場合:
インストーラーを再実行 →「Modify」→「Next」→「Add Python to environment variables」にチェック →「Install」

⚠️ Microsoft Store 版の Python は使えません。
Windows には Python 未導入でも python.exe という名前のプレースホルダが標準で用意されており、
実行しても Store のページを開くだけで何もしません。必ず python.org 版を入れてください。
（v2.9 以降のプラグインはこれを自動で見分けて弾きます）

2. ffmpeg（任意）

v2.9 からはプラグインが自動でダウンロードします。 事前準備は不要です。

自分で用意したい場合は、gyan.dev の
ffmpeg-release-essentials.zip を展開し、bin\ffmpeg.exe を以下のいずれかにしてください。

• おすすめ: ffmpeg.exe を AviUtl2 の実行ファイルと同じフォルダにコピー
• または、環境タブで ffmpeg.exe のパスを直接指定
• または、システム環境変数の PATH に bin フォルダを追加

💡 essentials 版で十分です。full 版（約 200MB）は不要な追加コーデックを含みますが、本プラグインでは違いはありません。

💡 プラグインが自動取得した場合も、AviUtl2 の実行ファイルと同じ場所に置かれます（他のプラグインからも使えるようにするため）。

3. プラグインのインストール

WhisperAutoSub.aux2 を AviUtl2 の Plugin フォルダに入れてください。

Plugin フォルダの場所: AviUtl2 メニュー →「その他」→「アプリケーションデータ」→「プラグインフォルダ」

💡 v2.9 から Visual C++ 再頒布可能パッケージは不要になりました（ランタイムを内蔵しています）。

4. 初回セットアップ

1. AviUtl2 を起動し、メニューバーの 「表示」→「Whisper Subtitle」 にチェックを入れてウィンドウを表示
2. 「生成」タブで使いたい Backend と Model を選ぶ
3. 「字幕生成」ボタンを押す → 足りないものがあれば案内が出るので、そのままインストールできます

事前にまとめて準備したい場合は、「環境」タブの 「セットアップ」ボタン から実行してください。

💡 初回は PyTorch（約 4.3GB）とモデル（large-v3-turbo で約 1.6GB）のダウンロードが発生します。
回線速度によっては数十分かかります。2 回目以降はローカルのものが使われるのですぐ始まります。

更新するとき（既にお使いの方へ）

WhisperAutoSub.aux2 を新しいものに差し替えるだけです。

1. AviUtl2 を終了する（起動中はファイルを置き換えられません）
2. Plugin フォルダの WhisperAutoSub.aux2 を、新しいものに上書きする
3. AviUtl2 を起動する

⚠️ 古い .aux2 が残っていると、二重に読み込まれて動作がおかしくなります。
v2.8 以前からの更新では、ファイル名が whisper_subtitle.aux2 から変わっているため
上書きされずに 2 つ並びます。古いほうを削除してください
（→ v2.8 以前から更新する方へ）。
Plugin フォルダに本プラグインの .aux2 が1 つだけある状態が正しい形です。

設定・モデル・インストール済みのライブラリは、そのまま引き継がれます。
data/Plugin/whisper_subtitle/ フォルダに保存されており、差し替えの影響を受けません。
大きなダウンロードが再び発生することはありません。

💡 設定を初期状態に戻したい場合は whisper_subtitle.ini を削除してください（モデルは消えません）。

v2.8 以前から更新する方へ（重要）

v2.9 で配布ファイルの名前が変わりました。

v2.8 以前 : whisper_subtitle.aux2
v2.9 以降 : WhisperAutoSub.aux2

名前が違うので、新しいファイルを追加しただけだと Plugin フォルダに 2 つ残り、両方が読み込まれます。
メニューに「Whisper Subtitle」が二重に出る、設定を変えても反映されない、といった症状になります。

Plugin フォルダの whisper_subtitle.aux2 を削除してください。
本プラグインの .aux2 が 1 つだけある状態が正しい形です。

Plugin フォルダの場所: AviUtl2 メニュー →「その他」→「アプリケーションデータ」→「プラグインフォルダ」

設定とモデルは whisper_subtitle フォルダに保存されているため、ファイルを入れ替えても引き継がれます。

必要環境

💡 なぜ 3.12 系を推奨するのか（GPU を使う場合の話です）
GPU 版 PyTorch は「グラフィックドライバが対応する CUDA」と「Python のバージョン」の
両方が揃った組み合わせでしか配布されていません。

ドライバの CUDA	Python 3.12	3.13	3.14
12.6 以上	✅	✅	✅
12.4 〜 12.5	✅	✅	❌
11.8 〜 12.3	✅	❌	❌
11.8 未満	❌	❌	❌

CUDA 11.8 以降に対応したドライバであれば、3.12 なら必ず GPU 版が入ります。
3.13 / 3.14 でも、ドライバが新しければ問題ありません。
ドライバが対応する CUDA は nvidia-smi の「CUDA Version」で確認できます。

組み合わせが揃わない場合、本プラグインは自動で CPU 版を導入し、その理由を表示します
（字幕生成はできますが低速になります）。あとからドライバを更新した場合は、
「環境」タブで PyTorch にチェックを入れてセットアップを実行すると GPU 版に入れ替わります。

※ faster-whisper だけを使う場合、この表は関係ありません。 PyTorch を使わないためです
（CTranslate2 は Python 3.9〜3.14 のすべてに対応しています）。

動作確認環境

使い方

1. タイムラインに動画/音声クリップを配置
2. メニューバーの 「表示」→「Whisper Subtitle」 でウィンドウを表示
3. 「生成」タブで Backend / Model / 言語等を設定
4. 「字幕生成」ボタン をクリック
5. 自動で文字起こし → 字幕オブジェクトがタイムラインに配置されます

書式テンプレートを使う

字幕のフォント・色・サイズ等をカスタマイズしたい場合:

1. AviUtl2 で好みのテキストオブジェクトを作成
2. 右クリック →「エイリアスとして保存」で .object ファイルを作成
3. 「生成」タブの「書式: 選択」で .object ファイルを指定
4. 以降の字幕生成に、テンプレートの書式が自動で適用されます

各タブの設定項目

プラグインウィンドウには 「生成」「設定」「精度」「環境」 の 4 つのタブがあります。

「生成」タブ

ボタン:

「設定」タブ

テキスト処理（チェックボックス）:

字幕の区切り方:

その他:

「精度」タブ

💡 Backend が whisper（既定）のとき、「繰返し抑制」「VAD無音カット」「Batched」の3つは
グレーアウトして操作できません。 これらは faster-whisper の機能で、openai-whisper には
対応する仕組みが無いためです。触っても何も起きないチェックを残しておくと
「設定したのに効かない」という混乱のもとになるため、選べないようにしています。
使いたい場合は Backend を faster-whisper に切り替えてください。
| ヒント文 | テキスト入力 | 空 | initial_prompt に渡す文章。固有名詞や専門用語を入れると認識精度が向上 |
| ホットワード | テキスト入力 | 空 | カンマ区切りで指定。デコーダで特定の単語をブースト |

⚠️ VAD無音カットについて（v2.9 で既定 OFF に変更）
v2.8 以前は常時 ON でしたが、発話がまるごと欠落し、字幕の表示タイミングも実際より早くずれる
問題がありました。OFF にすると認識できる語数が回復し、タイミングも正確になります。
長い無音を含む素材でハルシネーションが増える場合のみ ON をお試しください。

⚠️ Batched は VAD無音カットを必要とします
BatchedInferencePipeline は音声を VAD で区切ってバッチを作る仕組みのため、
VAD が無効だと動作しません。Batched を有効にした場合は VAD無音カットを自動的に有効化します。
そのぶん認識される語数が減り、タイミングも早めにずれます。
速度より精度を優先する場合は Batched を使わないでください。

自動適用される品質フィルタ（設定不要）

聞き取りに失敗した部分や、実際には誰も話していない場所に出てしまった文を、
プラグインが自動で取り除きます。通常は何も設定しなくて構いません。

ご視聴ありがとう      ご視聴いただきありがとう   ご覧いただきありがとう
チャンネル登録        次回予告                  ではまた
またお会いしましょう   またね
thankyou             thanksforwatching         wellberightback   amaraorg

「環境」タブ

導入状況の確認とセットアップを行います。v2.9 で全面的に刷新しました。

── 外部ツール ──
  Python:  ●3.12.10  (パス)                 [選択]
── 導入するもの ──
  ☐ ffmpeg:          ●導入済み (パス)       [選択]
  ☐ PyTorch          ●導入済み (CUDA)
  ☐ whisper:         ●導入済み [同梱]  [選択][自動]
  ☐ faster-whisper:  ○未導入            [選択][自動]
  ☐ 文節区切り(fugashi)  ●導入済み
    選択中のモデル: large-v3-turbo  ●導入済み
── 導入 ──
  [ セットアップ (チェック項目は再導入) ]

• 上段（外部ツール） はユーザーが自分で用意するもの、中段（導入するもの） はセットアップが入れるものです
• チェックを付けた項目は、導入済みでも強制的に入れ直します（壊れたときの復旧用）
• チェックを付けなければ、不足しているものだけが導入されます
• 所在タグ … [同梱] = プラグイン内 / [system] = Python 本体側 / [手動] = 自分で指定

バックエンドの選び方

faster-whisper は同じモデルでも 2 倍以上高速です（beam=5 での実測。モデル読み込みも約 3.5 倍速い）。

📝 v2.9.25 で記述を訂正しました。
以前このページには「faster-whisper は日本語の認識精度が劣る」と書いていましたが、
その後の実測で、差の正体は精度ではなく VAD（無音カット）の設定によるものだと分かりました。
条件を揃えると認識結果はほぼ変わりません。誤った案内をしていました、申し訳ありません。

どちらでも構いません。 迷ったら、PyTorch（約 4.3GB）を入れたくない場合や速度優先なら faster-whisper、
すでに PyTorch がある場合は whisper、という選び方で十分です。既定は whisper です。

⚠️ kotoba-whisper / Batched推論 / VAD無音カット / 繰返し抑制 は faster-whisper 専用です。

モデルの選び方

💡 迷ったら large-v3-turbo がおすすめです。large-v3 に近い精度で、速度は約 2 倍速いです。

⚠️ kotoba-whisper の制限: モデル側の設定に不備があり、単語タイムスタンプが使えません。
そのため字幕の表示タイミングの精度が落ちます（文字起こしの精度自体は高いです）。
v2.9 では自動的に単語タイムスタンプを無効化して動作させています（v2.8 以前はクラッシュしていました）。

主な機能一覧

• 2 つのバックエンド: faster-whisper / openai-whisper を切り替え可能
• 7 種類のモデル: tiny / base / small / medium / large-v3 / large-v3-turbo / kotoba-whisper
• 書式テンプレート: .object ファイルでフォント・色・サイズを適用
• 言語選択: 自動判定 / 日本語 / 英語 / 中国語 / 韓国語
• CUDA GPU 対応: 自動検出（CPU フォールバックあり）
• Batched推論: GPU 並列処理で高速化
• SRT エクスポート: 字幕データを .srt ファイルに出力
• テキスト処理: 句読点削除 / !? 削除 / 全半角正規化
• 文節区切り: 形態素解析（fugashi）で日本語として自然な位置に区切る
• 最大2行にまとめる: 1 つの字幕を最大 2 行に整形
• 字幕延長 / 先行表示: 表示時間の微調整
• レイヤー自動シフト: 配置先に既存オブジェクトがあれば自動で次のレイヤーへ
• 項目別セットアップ: 必要なものだけ、または壊れたものだけを選んで導入
• ffmpeg 自動取得: 未導入なら公式配布元から自動ダウンロード
• ヒント文 / ホットワード: 固有名詞や専門用語の認識精度を向上
• ハルシネーション対策: 前文無効化・品質フィルタ・無音区間閾値に加え、定型句フィルタ（無音部分の「ご視聴ありがとうございました」等を、実際に発話されていない場合のみ除去。辞書は差し替え・無効化可能）
• 温度自動フォールバック: Temp=0 で段階的に温度を上げて再試行（上限 0.4。上げすぎると出力が崩壊するため）

更新履歴

v2.9.51（2026-08-05）

字幕生成の途中で設定を変えると、その回の結果に新旧の設定が混ざる問題を修正しました。

• 生成には数分かかりますが、その間も設定は変更できてしまいます。
• これまでは、表示時間の延長・先行表示・短い字幕の結合・文節区切りの4つを
  生成の後半でもう一度読み直していたため、途中で変更すると
  同じ1回の生成の中で設定が食い違っていました。
• 生成開始時の設定で最後まで通すようにしました。
  変更した設定は、次回の生成から反映されます。

v2.9.50（2026-08-04）

起動直後にセットアップを実行すると、導入状況の表示がおかしくなることがある問題を修正しました。

• 起動時の環境チェックは、裏で数秒かけて行われます。
  その最中にセットアップを実行すると、チェックが二重に走り、
  結果が混ざって「導入済みのものが未導入と表示される」ことがありました。
• 二重に走らないようにし、先に始まった分の完了を待ってから実行するようにしました。

v2.9.49（2026-08-04）

うまく導入できなかったときに、自分で入れ直せるようにしました。

• モデルの再ダウンロード用チェックボックスを復活させました。
  ダウンロードが途中で止まると「フォルダはあるが中身が足りない」状態になり、
  これまでは「導入済み」と判断されて入れ直す手段がありませんでした。
  「環境」タブでモデルの行にチェックを入れてセットアップすると、改めてダウンロードします。
• CUDA 関連（cuBLAS / cuDNN）も同様に、faster-whisper のチェックを入れれば
  入れ直せるようにしました。あわせて cuDNN 側の有無も確認するようにしています。

※どちらも 1GB 以上の再ダウンロードになるため、チェックを入れたときだけ実行されます。

v2.9.48（2026-08-04）

セットアップを何度実行しても直らない、という状態を修正しました。

• PyTorch が「導入済み」かどうかの判定が甘く、パソコンに元から入っていた古い PyTorchを
  見つけると「導入済み」として飛ばしていました。
• そのため、「▲要再セットアップ」と表示されているのにセットアップを押しても
  毎回飛ばされ、いつまでも直らない状態になっていました。
  セットアップを途中で中断した方は、この状態から抜け出せませんでした。
• 判定を「読み込めるか」から「実際に使えるか」に変えました。
  使えない場合は、きちんと導入し直します。

※お急ぎの場合の回避策：「環境」タブで PyTorch のチェックボックスにチェックを入れて
　セットアップを実行すると、判定を無視して導入し直します。

v2.9.47（2026-08-04）

不具合の報告をいただいたときに、原因を特定しやすくしました。

• 動作環境の確認結果（Python・PyTorch・whisper などの導入状況）を、
  字幕生成のたびに記録に残すようにしました。
• これまでは起動時にしか記録されず、生成すると消えてしまうため、
  問題が起きた後に確認できませんでした。
• 動作は変わりません。whisper_subtitle\whisper_debug.log に残ります。

v2.9.45（2026-08-04）

セットアップを途中で閉じると、字幕が1つも出ないのに理由が分からない、という問題に対処しました。

• PyTorch は約 4.3GB あり、ダウンロードに時間がかかります。
  この途中でウィンドウを閉じると、先に導入される NumPy だけが新しくなり、
  パソコンに元から入っていた古い PyTorch と噛み合わなくなることがあります。
• この状態で生成すると、転写の直前で停止し、
  英語のエラーだけが出て字幕は1つも作られませんでした。
• 「環境」タブの PyTorch 欄に「▲要再セットアップ（NumPyと合っていない）」と
  表示するようにしました。
• 生成が失敗した場合も、英語のエラーの前に
  「セットアップが最後まで終わっていない可能性があります」と日本語で表示します。
• なお、この判定で生成が止まることはありません。
  環境によっては問題なく動く場合があるためです。

v2.9.42（2026-08-04）

モデルのダウンロードが途中で止まった場合に、「導入済み」と誤って判断される問題を修正しました。

• 音声認識モデルのダウンロードは、始めた時点で保存用のフォルダが作られます。
  そのため途中で中断すると、中身が空のフォルダだけが残ります。
  これまではフォルダの名前だけを見て「導入済み」と判断していたため、
  もう一度ダウンロードされることも、「モデルがありません」と表示されることもないまま、
  生成時に失敗していました。
• 中身が入っているかどうかまで確認するようにしました。
  中断していた場合は「未導入」として扱われ、セットアップでダウンロードし直されます。

v2.9.41（2026-08-04）

長い動画で、必要なものを導入し直したあとも生成に失敗し続けることがある問題を修正しました。

• 生成の待ち時間の上限は、音声の長さに応じて決まります（最大1時間）。
  ところが不足していたものを自動で導入したあとの再実行だけ、上限が10分に固定されていました。
  そのため長い動画では、導入が成功しても再実行が10分で打ち切られ、
  「入れ直したのにまた失敗する」状態になっていました。
• 再実行でも本来の上限（音声の長さから計算した値）を使うようにしました。

v2.9.40（2026-08-04）

SRT の保存に失敗しても「完了」と表示されていた問題と、字幕が消えることがある問題を修正しました。

• SRT エクスポートで、実際には保存できていなくても「完了」と表示されていました。
  保存先が書き込めない状態（USB メモリを抜いた、書き込み権限がない、空き容量がない、
  パスが長すぎる）でもファイルは作られませんが、成功したように見えていました。
  現在は保存できたことを確かめてから表示し、失敗した場合は理由をお知らせします。
• 直前のクリップの状態が影響して、字幕が消えることがありました。
  音声の解析（無音・発話の判定）が何らかの理由でできなかったクリップがあると、
  その前のクリップの判定状態が残り、実際に話している字幕まで
  「定型句フィルタ」で取り除かれてしまうことがありました。

v2.9.39（2026-08-03）

まれに同じ字幕が二重に配置されることがある問題を修正しました。

• 単語ごとの時刻から字幕を割り当てている途中で予期しないエラーが起きると、
  すでに配置した分を残したまま、別の方式でもう一度同じ範囲を配置していました。
  結果として同じ区間に字幕が重複します。
• 配置の実行をエラー処理の外へ移し、途中で失敗した場合はその分をまとめて破棄してから
  別方式に切り替えるようにしました。通常の生成では起きない経路ですが、
  起きたときに黙って壊れる形だったため直しています。

v2.9.38（2026-08-03）

言語を「自動」にしていると、韓国語やロシア語の字幕が混ざることがあります。生成後にお知らせするようにしました。

• 効果音や短いクリップなど、人の声が入っていない音に対して、音声認識は必ず何かを埋めようとします。
  これ自体は避けられません。ふだんは、埋められた文（ご視聴ありがとうございました など）を
  定型句フィルタが自動で取り除いています。
• ところが言語が「自動」だと、効果音には言語を見分ける手がかりが無いため、
  判定が別の言語に転ぶことがあります。こうなると韓国語やロシア語の文が出てきます。
  定型句フィルタは日本語と英語しか知らないので、この場合は取り除けません。
• 言語を「ja」に固定すると解消します。生成後に、言語が「自動」のときだけ
  「想定外の言語が出たら ja 固定」とお知らせします。
• 言語の初期値は元から「ja」です。「自動」に変更していない方には影響ありません。
  動作が止まることもありません。

v2.9.37（2026-08-03）

古いバージョンから使っている方へ：使われていないモデルデータ（最大 1.5GB）が残っていないかお知らせします。

• 以前のバージョンは、音声認識モデルを whisper_subtitle フォルダの直下に保存していました。
  現在は whisper_subtitle\models フォルダに保存します。
  そのため、古いバージョンから使い続けている場合、同じモデルが二重に置かれたままになり、
  使われないほうがディスクを占有し続けます（turbo モデルだけで約 1.5GB）。
• 字幕の生成が終わったときに、残っていれば「旧版モデルの残骸あり」と表示します。
  whisper_subtitle フォルダを開いて、直下にある models-- で始まるフォルダを削除してください。
  （models フォルダの中にある同名のものは現在使っているものです。消さないでください。）
• 動作には影響しません。生成が止まることもありません。削除するかどうかは利用者の判断なので、
  プラグインが勝手に消すことはしません。

フォルダ構成（自動生成）

字幕生成またはセットアップを実行すると、以下のフォルダが自動的に作成されます。

data/Plugin/whisper_subtitle/
├── whisper_helper.py    … Python ヘルパースクリプト（自動生成）
├── whisper_debug.log    … デバッグログ
├── site-packages/       … pip パッケージ（PyTorch, whisper 等）
├── models/              … ダウンロード済み Whisper モデル
└── temp/                … 一時ファイル（処理後に自動削除）

自分で置ける設定ファイル

以下はどちらも無くて構いません（置いたときだけ効きます）。

再ビルド不要で挙動を変えられます。data/Plugin/whisper_subtitle/ 直下に置いてください。

💡 テストログの出力先には whisper_testlog.txt が 1 つだけ作られ、字幕生成のたびに上書きされます。
ファイルが増え続けることはありません。前回の結果を残したい場合は、次の生成前にコピーしてください。

トラブルシューティング

問題が発生した場合は、まずデバッグログを確認してください。

📄 ログの場所: data/Plugin/whisper_subtitle/whisper_debug.log

うまくいかないときは

1. data/Plugin/whisper_subtitle/whisper_debug.log の内容を確認
2. 環境タブで、入れ直したい項目にチェックを入れてセットアップを実行
3. それでも解決しない場合は、site-packages フォルダを削除してセットアップをやり直す
4. GitHub の Issues にログを添えて報告してください

注意事項

• 初回の字幕生成時やモデル変更時は、バックエンドやモデルの自動ダウンロードが発生するため時間がかかります（PyTorch 約 4.3GB、large-v3 約 3GB）
• 事前に環境タブのセットアップボタンで済ませておくとスムーズです
• Python は python.org 版を使用してください（Microsoft Store 版は動作しません）
• kotoba-whisper、Batched推論、VAD無音カット、繰返し抑制は faster-whisper バックエンド専用です

配布物・権利関係について

本プラグインの配布物

本プラグインが配布するファイルは WhisperAutoSub.aux2（コンパイル済みバイナリ）1 ファイルのみ です。

ソースコードは本リポジトリに公開しています。

本プラグインのライセンス

MIT License（LICENSE 参照）

開発に使用した SDK

SDK の利用条件に基づき、SDK のライセンス表記を本リポジトリの LICENSE ファイルに含めています。

自動ダウンロードされるライブラリ・モデルについて

本プラグインはいかなるサードパーティ製ライブラリ・モデルも 同梱・再配布していません。

セットアップまたは字幕生成の実行時に、ユーザーの環境に以下のソフトウェアが 公式の配布元から 自動的にダウンロード・インストールされます。これらはすべて各プロジェクトが公開している標準的なインストール方法（pip install、HuggingFace Hub、公式ビルド配布ページ）を使用しています。

ユーザーが別途用意するソフトウェア

⚠️ FFmpeg のライセンスについて:
FFmpeg はビルドオプションにより LGPL または GPL のいずれかになります。
本プラグインは FFmpeg を 外部コマンドとして実行（ffmpeg -i input -ar 16000 -ac 1 -f wav output）するのみで、
FFmpeg のコードをリンク・同梱・再配布していません。
v2.9 からは利便性のため、未導入時に 公式配布元（gyan.dev）からユーザーの環境へ直接ダウンロード する機能を追加しましたが、
本リポジトリが FFmpeg のバイナリを再配布しているわけではありません。
FFmpeg のライセンス条件はユーザーが使用する FFmpeg ビルドに依存します。

各ライブラリ・モデルの権利

自動ダウンロードされるすべてのライブラリ・モデルの著作権・ライセンスは、それぞれの開発元に帰属します。利用条件は各プロジェクトのライセンスに従ってください。

本プラグインの作者は、これらサードパーティ製ソフトウェアの内容・品質・安全性について一切の保証を行いません。

開発者の皆様に感謝いたします。

免責事項

• 本ソフトウェアは「現状のまま（AS IS）」で提供され、いかなる保証もありません。
• 本ソフトウェアの使用によって生じたいかなる損害についても、作者は責任を負いません。
• 音声認識の精度は入力音声の品質・言語・モデルに依存します。結果の正確性を保証するものではありません。
• 自動ダウンロードされるライブラリ・モデルの利用は、各ライセンスの条件に従ってください。

作者

GitHub: nkopikaso