議事録を無料で自動作成|Mac×Whisperで作った設計の判断


Macだけで会議の議事録を無料で自動作成するには、「録音」「文字起こし」「議事録にまとめる」の3つを分けて考え、録音と文字起こしはMacの中で行い、まとめる段だけをAIに渡す形にするのが分かりやすい設計です。こうすると、月額の費用がかからず、会議の音声そのものはMacの外へ出ません。

AIの議事録サービスは便利ですが、毎月の料金がかかり、会議の音声を外のサービスへ預けることになります。かといって「Whisperで文字起こし」の記事を読んでも、オンライン会議の相手の声をどう録るか、どこまでをMacの中で済ませるか、作ったあと何に困るかまでは書かれていないことが多いです。

この記事では、2026年11月に筆者がClaude Codeと一緒に作った「Macで録音して、Macの中のWhisperで文字にし、議事録だけをClaudeに書かせる」道具について、コードの手順ではなくどこで何を決めたかをまとめます。録音にドライバーを入れなかった理由、外に出すものの線の引き方、macOSの許可でのつまずき、録音を止めたのにオレンジのマイクが消えなかった件の見つけ方まで、実際に起きたことを順に書きます。コードは考え方を示す短い参考に絞りました。


結論:外に出すのは文字起こしの文だけ

この道具の設計は「音声はMacから出さず、文字だけをAIに渡す」の1行に集約されます。ほかの判断は、この線を守りながら使いやすくするためのものでした。

  1. 録音はMacの中:macOSのScreenCaptureKitで、相手の声(Macから出る音)と自分の声(マイク)を別々のファイルに録る。仮想のオーディオドライバーは入れない
  2. 文字起こしもMacの中:faster-whisperとlarge-v3-turboのモデルで、手元のCPUで文字にする
  3. 議事録だけAIに渡す:文字起こしの文をClaude Code(claude -p)に渡し、決まったこと・やること・確かめたほうがよいことの形にまとめる
  4. 押すのは2回だけ:メニューバーのアプリで「始める」「止める」を押すと、あとは自動で議事録が開く

有料の議事録サービスを使わず、手元で作った理由

作るきっかけは、使っていたAIの議事録の機能が、月額の有料プランに含まれていたことでした。会議の数がそれほど多くない個人の仕事では、議事録のためだけに毎月払うのは割に合わないと感じたのが出発点です。

比べた点有料の議事録サービス手元で作った道具
毎月の費用プランの月額がかかるかからない(AIは手持ちのClaude Codeを使う)
会議の音声サービスへ送って処理するMacから出さない
外に出るもの音声・文字起こし・要約文字起こしの文だけ(議事録にまとめるとき)
議事録の形サービスの決まった形自分で決めた形(プロンプトを書き換えるだけ)
話し手の名前分けてくれるものが多い「相手」と「自分」の2つだけ
準備と手入れ要らない最初の許可と、壊れたときの直しは自分で

手元で作る価値が大きいのは、費用より「音声を外へ出さない」ほうでした。文字起こしの文は、あとから読み返して消したい部分を自分で判断できますが、音声を送ってしまうと、どこまで残るかを自分では確かめられません。その代わり、話し手の名前を自動で分ける機能はあきらめています。この取捨選択を先に決めておくと、作る範囲がぶれません。


全体の流れ:録音・文字起こし・議事録を3段に分ける

道具は、役割の違う3つの段をつないだだけの作りです。段ごとに「どこで動くか」「何が残るか」をはっきりさせておくと、あとで1段だけ差し替えられます。

段どこで動くか使うもの残るもの
1. 録音Macの中ScreenCaptureKit(Swiftの小さな本体)相手の声とマイクの声の2つの音声ファイル
2. 文字起こしMacの中faster-whisper+large-v3-turbo(Python)時刻と「相手/自分」付きの文字起こし
3. 議事録文字だけAIへClaude Code(claude -p)議事録のMarkdown
(写し)GoogleドライブGoogleドライブのデスクトップ版のフォルダ議事録と文字起こしの写し(音声は写さない)

段をつなぐのはシェルのスクリプトで、録音を止めると裏で文字起こしと議事録づくりが始まり、できたらMacの通知が出ます。2段目と3段目は録音のフォルダを渡せば何度でもやり直せるので、議事録の形を変えたときも録り直しは要りません。


録音はScreenCaptureKitで、ドライバーなしにした

オンライン会議の議事録で一番むずかしいのは、実は文字起こしより録音です。マイクだけを録ると自分の声しか入らず、相手の声はスピーカーから出た音をマイクが拾った、聞き取りにくいものになります。

仮想のオーディオドライバーを入れなかった理由

Macで「Macから出る音」を録る方法として、以前から仮想のオーディオドライバーを入れて音の通り道を作るやり方が知られています。ただ、ドライバーを入れるとMacの音の設定そのものが変わり、会議のたびに出力先を切り替える手間や、切り替え忘れで音が聞こえない事故が起こりえます。

macOS 15からは、画面収録の仕組みであるScreenCaptureKitで、Macから出る音とマイクの音を同時に受け取れます。Appleの開発者向けドキュメント(captureMicrophone)でも、マイクを一緒に録る設定はmacOS 15.0以降と書かれています。音の設定を変えずに済むので、ドライバーは入れないと決めました。

相手の声と自分の声を別のファイルに録る

ScreenCaptureKitは、Macから出る音とマイクの音を別々の流れとして渡してくれます。これを1本に混ぜずに、2つのファイルに分けて保存しました。別々に持っておくと、あとで「この行は相手と自分のどちらの声か」を音の大きさで決められます。設定の考え方だけを抜き出すと、次のようになります。

let config = SCStreamConfiguration()
config.capturesAudio = true                 // Macから出る音(会議の相手)
config.captureMicrophone = true             // マイク(自分)※macOS 15以降
config.excludesCurrentProcessAudio = true   // 自分のアプリの音は入れない
config.width = 2                            // 画面は使わないので最小にする
config.height = 2

画面の収録の仕組みを借りているため、画面の大きさも設定する必要がありますが、使わないので最小にしています。止め忘れに備えて、最長4時間で自動で止まるようにもしました。


文字起こしはMacの中のWhisperにした

文字起こしは、OpenAIが公開している音声認識のモデルWhisperを、Macの中で動かしています。音声を外に出さないという線を守るには、ここをMacの中で済ませることが欠かせません。

faster-whisperとlarge-v3-turboを選んだ

使ったのは、Whisperを速く動かすように作り直したfaster-whisperです。faster-whisperのREADMEによると、元のWhisperより最大4倍速く、同じ精度でメモリも少なく済みます。モデルは、large-v3の判定の部分を軽くしたlarge-v3-turboにしました。OpenAIのモデルカード(whisper-large-v3-turbo)では、デコーダーの層を32から4に減らした版と説明されています。

筆者のMacでは、GPUではなくCPUと8ビットの計算で動かしています。音声合成で作った約4分48秒の2人の会議を通したところ、文字起こしと議事録づくりを合わせて約2分で終わりました。1時間の会議ならおおよそ20分ほどを見込んでいます。

2本を別々に文字にしたら、時刻の順がずれた

最初は、相手の声とマイクの声を別々に文字起こしして、あとで時刻順に並べ直していました。ところが、2本の文字起こしで区切りの時刻が少しずつずれ、会話の順番が入れ替わる行が出ました。

そこで、2本の音を1本に混ぜてから1回だけ文字にし、行ごとに「どちらの音が大きかったか」で話し手を決める形に直しました。文字起こしは1本なので順番はずれず、話し手は別々に録っておいた音で決められます。

# 1行ごとに、その時間に音が大きかったほうを話し手にする
def loudness(samples, start, end, rate=16000):
    part = samples[int(start * rate):int(end * rate)]
    return float(np.sqrt(np.mean(part ** 2))) if part.size else 0.0

for seg in segments:  # 混ぜた音を1回だけ文字にした結果
    speaker = max(tracks, key=lambda t: loudness(t[1], seg.start, seg.end))[0]

話し手は「相手」と「自分」の2つだけにした

相手が何人いても、話し手は「相手」の1つにまとめています。相手の中の人を分けるには話者分離のモデルを足す方法がありますが、モデルを使うための登録と数GBの追加が要るため、今回は入れていません。議事録で大事なのは「だれが言ったか」より「何が決まり、だれが何をやるか」だったので、名前は会話の中に出たものを議事録の側で拾う形にしました。


議事録だけをClaudeに渡す、という線の引き方

文字起こしをそのまま読むのはつらいので、最後に議事録の形へまとめます。ここだけは、Macの中で動く小さなモデルではなく、Claude Codeを使いました。

Claude Codeを非対話モードで呼ぶ

Claude Codeには、画面を開かずに1回だけ頼みごとをして結果を受け取る非対話モード(-p)があります(Claude Codeの公式ドキュメント(非対話モード))。文字起こしのファイルを標準入力で渡し、返ってきた文をそのまま議事録のファイルにしています。

claude -p "$(cat minutes-prompt.md)" < transcript.md > minutes.md

Claude Codeは手持ちのプランで使っているので、議事録のための追加の費用はかかっていません。外に出るのはこの1行で渡す文字起こしの文だけで、音声のファイルは渡しません。-pなどのよく使うオプションはClaude Codeのコマンドの解説にまとめています。

文字起こしの文も外に出したくない会議なら、この段をMacの中で動く言語モデルに置き換える選択肢があります。手元で動かすか外のAPIに任せるかの判断はローカルLLMとクラウドAPIの比較で整理しています。筆者は、まとめの質を優先してこの段だけClaudeにしました。

議事録の形は、推測で埋めないことを先に決める

議事録の形は「決まったこと」「やること(担当・期日)」「話した要点」「確かめたほうがよいこと」の4つにしました。プロンプトでは、担当や期日が会話に出なければ「未定」と書き、推測で埋めないよう指示しています。

自動の文字起こしには聞き間違いが混ざります。試しの会議でも「機能の数」が「昨日の数」になる行がありましたが、議事録の「確かめたほうがよいこと」の欄に拾われていました。まとめる段に「疑わしいものは別の欄に出す」役目を持たせると、聞き間違いをそのまま決定事項として残す事故を防げます。


macOSの許可の入れ方でつまずいたところ

録音には、macOSの2つの許可が要ります。「画面とシステムオーディオの収録」(Macから出る音を録るため。画面は録りません)と「マイク」です。初めて録音を始めると、macOSがこの2つを求める画面を出します。

許可がだれに付くかを決めておく

つまずいたのは、許可が「どのアプリに付くか」でした。ターミナルやClaude Codeから録音の本体を直接起動すると、許可を求める相手が起動した側になってしまい、ほかの起動のしかたでは録れない状態になります。

そこで、録音の本体はMacの常駐の仕組み(launchd)から起動し、許可が録音の本体そのものに付くようにしました。メニューバーのアプリもターミナルも、この起動の手順を呼ぶだけにそろえたので、どこから始めても同じ許可で録れます。

本体を作り直すと、許可を取り直すことになる

録音の本体を作り直すと、macOSからは別のアプリと見なされ、許可をもう一度求められました。そのため、録音の本体は小さく保って作り直す機会を減らし、使い勝手の部分(メニューバーのアプリ)は別に分けています。アプリの見た目を直しても、録音の許可には影響しません。


止めたあとにオレンジのマイクが残った件

作って試した直後に困ったのが、録音を止めたのにメニューバーのオレンジの点が消えないことでした。Appleのサポートページ(Macのメニューバーの内容)によると、オレンジ色の点はマイクが使用中であることを示します。録音は止まっているのに「ずっと録られているように見える」のは、使う人にとってかなり不安な状態です。

マイクを使っているプロセスを一覧にして見つけた

まず、本当に録音の本体が止まっているかを確かめました。本体は止まっていたので、次に「今マイクを使っているのはどのプロセスか」を一覧にする小さな道具を書きました。macOSのCore Audioには、音を使っているプロセスの一覧と、それぞれが入力(マイク)を使っているかを返す仕組みがあります。

// 入力(マイク)を使っているプロセスの番号を出す
for process in processes
    where readUInt32(process, kAudioProcessPropertyIsRunningInput) != 0 {
    print(readUInt32(process, kAudioProcessPropertyPID))
}

出てきたのは録音の本体ではなく、macOSの画面収録を裏で受け持つreplaydというプロセスでした。録音の本体が止まったあとも、replaydがマイクをつかんだままになっていたのが、オレンジの点が残った原因でした。なぜ放さないのかについて、公式の説明は見つけられていません。

止めるたびに確かめて放させる

直し方は、録音を止めたあとに上の道具でマイクを使っているプロセスを調べ、replaydが残っていればそのプロセスを止める、という確かめを止める手順に足すことでした。止めるのはreplaydだけに限り、ほかにマイクを使っているアプリには触れないようにしています。この確かめを足してからは、止めたあとにオレンジの点が残らなくなりました。

録音の道具は、正しく録れることと同じくらい、止めたらちゃんと止まったと見えることが大事だと分かった件でした。


ターミナルでなく、メニューバーのアプリにした理由

最初はターミナルで「始める」「止める」のスクリプトを打つ形で動かしていました。けれど、会議の直前にターミナルを開いてコマンドを打つのは忘れやすく、録音中かどうかもひと目では分かりません。

  • 状態が見える:待機中はマイクの印、録音中は赤い丸と経過時間、まとめている間は「作成中」と出る
  • 押すのは2回だけ:「録音を始める」と「録音を止めて議事録を作る」。できあがると議事録が自動で開く
  • 録音の許可に触れない:アプリは起動の手順を呼ぶだけなので、作り直しても許可は取り直さない

録音の本体はすでにMacの中で動いているので、画面だけをメニューバーに足すのがいちばん小さな変更でした。毎回使うものは、使う場所(メニューバー)に置くのが一番の近道でした。


Googleドライブへの写しは、文字だけにした

議事録は、スマホや別のパソコンからも読みたくなります。そこで、できあがった議事録と文字起こしを、Googleドライブのデスクトップ版が作るフォルダへ写すようにしました。

写すのは議事録と文字起こしの文字だけで、録音の音声は写していません。音声を外に出さないという最初の線を、写しでも崩さないためです。Googleドライブのフォルダが見つからないときは写さずに進み、Macの中の議事録はそのまま残ります。写しの失敗で議事録づくりそのものが止まらないようにしておくと、ネットワークの調子に左右されません。


作ってみて分かった、向いている場面と注意点

作って試してみて、この作りが合う場面と、気をつけたほうがよい点がはっきりしてきました。

項目分かったこと
向いている会議1対1や少人数のオンライン会議で、決まったこととやることを残したいもの
イヤホンヘッドホンかイヤホンを使うとよい。スピーカーだと相手の声がマイクにも入り、「自分」の行が混ざる
話し手の名前相手が何人いても「相手」になる。名前は会話の中に出たものだけ議事録に残る
かかる時間約5分の会議で約2分。1時間なら20分ほどが目安(CPUで動かした場合)
録音の断り録る前に、会議の相手に「議事録のために録音します」と伝える
音声のファイル自動では消さない。要らなくなったら自分で消す

イヤホンを使うと相手の声がマイクに回り込まず、話し手の判定がずっと安定します。Web会議に使うイヤホンの選び方は在宅ワークの耳をふさがないイヤホンでまとめています。

この道具は「全部を自動で正確に」ではなく、「下書きの議事録を確実に残し、怪しいところを人が見る」ためのものです。その割り切りを最初に決めたことで、作る範囲が小さく収まりました。


よくある質問

Q. 議事録の自動作成を完全に無料にできますか?

録音と文字起こしはMacの中で動くので無料です。議事録にまとめる段は筆者が手持ちのClaude Codeのプランで行っているため追加の費用はかかりませんが、AIの契約がない場合はその分の費用か、Macの中で動く言語モデルへの置き換えが必要です。

Q. 会議の音声は外部に送られますか?

この作りでは送りません。音声と文字起こしはMacの中で作り、外に出るのは議事録にまとめるときにClaude Codeへ渡す文字起こしの文だけです。Googleドライブにも音声は写していません。

Q. Google MeetやZoomの相手の声も録れますか?

この作りは、会議のアプリの音を直接つかむのではなく、Macから出る音をScreenCaptureKitで受け取っています。そのため、ブラウザのGoogle Meetでも会議のアプリでも、Macのスピーカーやイヤホンに出ている相手の声なら録る対象になります。

Q. 古いmacOSでも同じ作りで動きますか?

マイクを一緒に録る設定はmacOS 15.0以降で使えるため、それより前のmacOSでは同じ作りでは動きません。その場合は仮想のオーディオドライバーを使う方法などを考える必要があります。

Q. 録音を止めてもオレンジの点が消えないときは?

マイクを使っているプロセスを調べると原因が分かります。筆者の環境では、画面収録を裏で受け持つreplaydがマイクをつかんだままになっていたため、止める手順の最後でreplaydが残っていれば止めるようにしました。

Q. 話し手の名前を自動で分けられますか?

この作りでは「相手」と「自分」の2つだけです。相手の中の人を分けるには話者分離のモデルを足す方法がありますが、モデルの利用登録と数GBの追加が必要になります。


次に読む

Claude Codeに作業を任せるときの権限の考え方はClaude Codeのsandbox設定で、Claude Codeを毎日の仕事に組み込んでいる実例はClaude Codeの運用実例で紹介しています。


関連記事