音声合成・文字起こしに使える、当社の製品（オンプレミス）
OSSを自分で立てて日本語化する代わりに、日本語で作った当社の製品を自社のサーバーに置く方法もあります。ソースコード付きで、月額はかかりません。
音声合成・文字起こしとは？
音声合成・文字起こしとは、録音や読み上げを人がやっているという状態を仕組みで解消することです。ゼロから作らなくても、同じ用途で世界中に使われているオープンソースがあります。当社はそれを土台に、日本語化と自社向けの変更を加えて導入します。月額のユーザー課金は発生しません。
音声合成・文字起こしまわりの業務を外注している方へ
代行や外注に出している業務を、AIの仕組みとして社内に作る場合の比較です。外注のままがいい場合も書いています。
音声合成・文字起こしのオープンソース、まずどれを見ればよいですか？
21件すべてを比べる必要はありません。当社が実測した規模（GitHubスター）・日本語ロケールの有無・そのまま触れるデモがあるかの3点で、当てはまりの強い上位から6件を挙げます。名前がその分類の一般名詞のままのものと、1年以上更新が止まっているものは外しています。どれもソフト自体は無料なので、気になったものは自社サーバーに置いて試せます。
| 名前 | どんなものか | 選ぶ根拠（当社の実測） |
|---|---|---|
| Kurage AI VTuber Runtime | 台本・自律会話・TTS・リップシンク・配信を扱うAI VTuberランタイムです。 | 日本語台本、音声、配信UIに対応。／ライセンスMIT |
| Kurage Short Video Generator | X投稿などから台本、画像、音声、字幕を生成し、Kurage形式のショート動画へまとめるシステムです。 | 日本語台本、音声、字幕、管理UIに対応。／ライセンスMIT |
| Whisper（OpenAI） | 音声を文字に起こすオープンソースの音声認識モデル。日本語を含む多言語に対応し、録音ファイルから会議の文字起こしができます。無料で自社サーバーに置けます。 | GitHubスター108,383／日本語ロケールなし＝日本語化から着手／ライセンスMIT／開発は現在も活発 |
| whisper.cpp | OpenAI WhisperのC++移植版。CPUだけのサーバーでも日本語の文字起こしが動き、依存が少ないので自社サーバーの常駐サービスにしやすい。AI議事録の土台に使えます。 | GitHubスター53,428／日本語ロケールなし＝日本語化から着手／ライセンスMIT／開発は現在も活発 |
| dograh | セルフホスト可能なオープンソースの音声AIプラットフォームです。 | GitHubスター5,458／日本語ロケールなし＝日本語化から着手／ライセンスBSD-2-Clause／開発は現在も活発 |
| Complete-Ecommerce-in-laravel-10 | Laravel 10をベースとした高機能なECサイト構築用ソリューションです。 | GitHubスター1,017／日本語ロケールは一部のみ（1ファイル）／ライセンスMIT／最終更新は約8か月前 |
この並びは実測値による機械的な順位で、広告や紹介料による順位付けはしていません（2026年10月08日時点）。21件すべての一覧はこのページの下にあります。
文字起こしAIのオープンソース 比較表（ライセンス・日本語対応・導入キット）
掲載21件のうち、GitHub の公開ファイルに日本語ロケールが実在するのは1件、無いのは14件（2026年10月08日時点）。
| 名前 | ライセンス | 日本語ロケール（実測） | 最終更新 | GitHubスター | 当社の日本語デモ | 導入キット |
|---|---|---|---|---|---|---|
| Kurage AI VTuber Runtime | MIT | 日本語台本、音声、配信UIに対応。 | — | — | — | — |
| Kurage Short Video Generator | MIT | 日本語台本、音声、字幕、管理UIに対応。 | — | — | — | — |
| Whisper（OpenAI） | MIT | なし | 約1か月前 | 108,383 | — | 当社製品あり |
| whisper.cpp | MIT | なし | 約1か月前 | 53,428 | — | 当社製品あり |
| dograh | BSD-2-Clause | なし | 約2か月前 | 5,458 | — | — |
| Complete-Ecommerce-in-laravel-10 | MIT | 一部（1ファイル） | 約8か月前 | 1,017 | — | — |
| Coqui TTS（XTTS） | MPL-2.0 | 日本語の読み上げに対応しますが、前処理を入れないと固有名詞や数字の読みが崩れます。 | — | — | — | — |
| VOICEVOX | LGPL-3.0（デュアルライセンス。話者ごとの利用規約は別途確認が必要） | 日本語専用のエンジンで、UI・ドキュメントとも日本語です。 | — | — | — | — |
| Wan2.2 | Apache-2.0 | 日本語の指示文にも応答しますが、公式の解説は英語中心です。 | — | — | — | — |
| chubbyskills | MIT | なし | 約2か月前 | 631 | — | — |
| youtube-fetcher-to-markdown | MIT | なし | 約2か月前 | 197 | — | — |
| claude-ops | MIT | なし | 約2か月前 | 180 | — | — |
日本語ロケールは各リポジトリの公開ファイル一覧から日本語の実ファイルを数えた結果、最終更新は GitHub の最終 push 日です。ライセンスは導入前に必ず原文で確認してください。上限12件、並びは規模・日本語・デモ・更新の実測値による機械的な順位です。
有料のクラウドサービスと、オープンソースは何が違いますか？
違いは主に、費用のかかり方・データの置き場所・変更できる範囲の3つです。音声合成・文字起こしを無料で始めたい場合、この表のどちらが自社に合うかを先に決めると迷わなくなります。
| 比べる点 | オープンソース（自社サーバー） | 有料のクラウドサービス |
|---|---|---|
| ソフトの費用 | 無料。ソースコードが公開されている | ユーザー数×月額。人が増えると増える |
| 実際にかかる費用 | サーバー代と、導入・日本語化・改造の費用 | 月額利用料（＋初期費用） |
| データの置き場所 | 自社が決めたサーバー | 提供会社のサーバー |
| 画面・項目の変更 | ソースを直せる範囲すべて | 提供会社が用意した設定の範囲まで |
| 日本語 | 掲載21件のうち14件（67%）は日本語ロケールなし。日本語化が要る | 国内サービスなら最初から日本語 |
| サポート | 自社、または委託先が見る | 提供会社のサポート窓口 |
| やめるとき | データもソフトも手元に残る | 解約前にデータの持ち出しが要る |
当社は、この表の左側（オープンソースを自社サーバーに置く形）を選んだ会社に対して、日本語化・画面の変更・既存システムとの連携を行っています。右側のほうが向いていると判断した場合は、その旨をお伝えします。
この分類の実測データ
実測データとは、掲載している21件について当社がGitHubの公開情報から数えた内訳のことです。日本語対応は、配布用のビルド成果物を除いた日本語ロケールの実ファイル数で判定しています。
| 掲載件数 | 21件 |
|---|---|
| 日本語ロケールなし | 14件（67%）— 日本語化から着手します |
| 日本語ロケールあり | 7件 |
| GitHubスター中央値 | 109 |
| 多いライセンス | MIT（13件）、AGPL-3.0（3件）、MPL-2.0（1件） |
出所: 各リポジトリのGitHub公開情報を当社で集計（2026年10月08日時点）。ライセンスは導入前に必ず個別に確認します。
掲載している21件をすべて見る
この一覧とは、音声合成・文字起こしという用途に当てはまるオープンソースを、当てはまりの強い順に並べたもののことです。名前をクリックすると、その土台で何をどう作るかの説明に移ります。
| 名前 | できること | ライセンス | スター | 最終更新 | 日本語 | デモ |
|---|---|---|---|---|---|---|
| Whisper（OpenAI） | 音声を文字に起こすオープンソースの音声認識モデル。日本語を含む多言語に対応し、録音ファイルから会議の文字起こしができます。無料で自社サーバーに置けます。 | MIT | 108,383 | 2026年8月 | 日本語ファイルなし | — |
| Coqui TTS（XTTS） | 多言語対応の音声合成ツールキットです。少量の音声から話者の声を再現する使い方もできます。 | MPL-2.0 | — | — | 日本語の読み上げに対応しますが、前処理を入れないと固有名詞や数字の読みが崩れます。 | — |
| Kurage AI MOM | 会議の録音をアップすると、同じサーバーのwhisper.cppが文字起こしし、AIが議事録の下書きを作り、人が承認したものだけが確定議事録になるシステムです。 | MIT | 0 | 2026年8月 | 日本語で開発・提供。 | — |
| whisper.cpp | OpenAI WhisperのC++移植版。CPUだけのサーバーでも日本語の文字起こしが動き、依存が少ないので自社サーバーの常駐サービスにしやすい。AI議事録の土台に使えます。 | MIT | 53,428 | 2026年8月 | 日本語ファイルなし | — |
| VOICEVOX | 日本語の音声合成エンジンです。読み上げ音声を自社サーバーで生成でき、キャラクター音声も選べます。 | LGPL-3.0（デュアルライセンス。話者ごとの利用規約は別途確認が必要） | — | — | 日本語専用のエンジンで、UI・ドキュメントとも日本語です。 | — |
| Complete-Ecommerce-in-laravel-10 | Laravel 10をベースとした高機能なECサイト構築用ソリューションです。 | MIT | 1,017 | 2026年1月 | 日本語ファイルが一部のみ | — |
| Kurage AI VTuber Runtime | 台本・自律会話・TTS・リップシンク・配信を扱うAI VTuberランタイムです。 | MIT | — | — | 日本語台本、音声、配信UIに対応。 | — |
| Streamer-Sales | 商品の特徴から購買意欲を刺激する商品解説を行うAIライブコマース配信システムです。 | AGPL-3.0 | 3,756 | 2025年3月 | 日本語ファイルなし | — |
| chubbyskills | 中国の主要SNSからコンテンツを収集し、個人知識ベースへ統合するAIスキルセットです。 | MIT | 631 | 2026年8月 | 日本語ファイルなし | — |
| bitcointranscripts | BitcoinおよびLightning Networkに関連する講義やポッドキャストの書き起こしデータ集です。 | MIT | 109 | 2026年7月 | 日本語ファイルなし | — |
| Kurage Short Video Generator | X投稿などから台本、画像、音声、字幕を生成し、Kurage形式のショート動画へまとめるシステムです。 | MIT | — | — | 日本語台本、音声、字幕、管理UIに対応。 | — |
| dograh | セルフホスト可能なオープンソースの音声AIプラットフォームです。 | BSD-2-Clause | 5,458 | 2026年8月 | 日本語ファイルなし | — |
| youtube-fetcher-to-markdown | YouTube動画を構造化されたMarkdown形式のノートに変換するツールです。 | MIT | 197 | 2026年8月 | 日本語ファイルなし | — |
| kaas | 散らばったドキュメントやメモを検索可能なMarkdown形式のWikiに変換するLLMナレッジベースコンパイラです。 | MIT | 107 | 2026年8月 | 日本語ファイルなし | — |
| PackingProof-Desktop | EC事業向けの梱包作業管理および配送リスク管理ツールです。 | AGPL-3.0 | 51 | 2026年8月 | 日本語ファイルなし | — |
| claude-ops | Claude Codeの機能を拡張し、多様な外部サービスと連携させるビジネスオペレーション基盤です。 | MIT | 180 | 2026年8月 | 日本語ファイルなし | — |
| q-municate-ios | iOS向けのチャットおよび音声対応アプリケーションです。 | MIT | 161 | 2025年5月 | 日本語ファイルなし | — |
| star-owner | Bilibiliの動画をMarkdown形式で管理し、マルチエージェントを組み合わせて操作するローカルワークステーションです。 | GPL-3.0 | 57 | 2026年8月 | 日本語ファイルなし | — |
| Wan2.2 | テキストや画像から動画を生成するオープンソースのモデルです。自社サーバーで動画生成を行いたい場合の選択肢になります。 | Apache-2.0 | — | — | 日本語の指示文にも応答しますが、公式の解説は英語中心です。 | — |
| mobile-pc-control-server | スマートフォンからPCのキーボードやマウスを遠隔操作できるWebサーバーです。 | AGPL-3.0 | 121 | 2026年4月 | 日本語ファイルなし | — |
| douyin-favorites-to-knowledge | Douyinの「お気に入り」や「いいね」をローカルのMarkdown形式で保存するツールです。 | MIT | 50 | 2026年8月 | 日本語ファイルなし | — |
オープンソースで音声合成・文字起こしをやるときの注意点は？
注意点とは、ソフトが無料であることと、導入して使い続けられることが別だという話です。当社が実際に構築して踏んだものを挙げます。
日本語が入っていないことが多い
掲載21件のうち14件（67%）は、GitHubの公開ファイルを数えた時点で日本語ロケールがありませんでした。管理画面が英語のままだと現場が使えないので、日本語化が最初の作業になります。
「実行ファイル1つ」でも周辺が要る
データベースやキャッシュを別に用意する必要があるものが多く、月数百円の共有レンタルサーバーでは動かない場合があります。どのサーバーが要るかは導入前に実測して判断します。
ライセンスは種類ごとに条件が違う
この分類で多いのはMIT（13件）、AGPL-3.0（3件）、MPL-2.0（1件）です。自社で使う分は自由でも、外部にサービスとして提供する場合に条件が付くものがあります。導入前に個別に確認します。
更新が止まっている製品がある
公開されていても開発が続いているとは限りません。当社はスター数と更新状況を見て、止まっている製品は土台に選びません。
どれを選べばよいですか？
選び方とは、機能の多さではなく、ライセンス・日本語対応・自社の業務との距離で絞ることです。一覧の「日本語」欄が「日本語ファイルなし」であれば、日本語化から着手します。当社は初日3時間の無料ヒアリングで現場を見てから、どれを土台にするかを提案します。土台選びだけを相談していただいても構いません。
音声合成・文字起こしを、まず15時間で試す
名古屋市内なら、1日3時間×5日間の計15時間・税別15万円で試せます。初日3時間のヒアリングと提案は無料です。御社のPCと御社名義のAIエージェントで目の前で開発するので、作り方ごと社内に残ります。成果物とソースコードはお客様のものです。
AI導入お試し実験を見る 動くデモを先に見る（110,000円〜） 音声合成・文字起こしについて相談する生成AI・AIエージェントの活用の他のできること
関連するできることとは、同じ業務領域にあり、並べて検討されることが多いテーマのことです。音声合成・文字起こしと一緒に手を付けると効果が出やすい範囲でもあります。
よくあるご質問
文字起こしAIのオープンソース（OSS）で、日本語で使えるものはありますか？
あります。掲載21件のうち7件は、GitHubの公開ファイルに日本語ロケールが実在しました（2026年10月08日時点）。当社の実測で上位に挙げたのはKurage AI VTuber Runtime・Kurage Short Video Generator・Whisper（OpenAI）です。日本語ロケールが無いものでも、当社が日本語化して導入できます。
文字起こしAIのOSSを自社サーバーで動かすには、何が必要ですか？
Linuxのサーバー1台（VPSで可）、docker、HTTPS用のリバースプロキシ、日次バックアップの4点です。多くの製品はデータベースを別コンテナで持つため、月数百円の共有レンタルサーバーでは動きません。手順は各製品の公式ドキュメントに沿って進めます。
音声合成・文字起こしのオープンソースは、無料で使えますか？
ソフト自体は無料です。掲載している21件はいずれもソースコードが公開されていて、ライセンスの条件を守れば費用をかけずに自社サーバーに置いて使えます。ユーザー数に応じた月額課金もありません。無料にならないのはサーバー代と、日本語化や自社向けの変更にかかる費用です。この2つを含めても、有料のクラウドサービスを人数分契約し続けるより安くなる場合があります。
有料のクラウドサービスと、どちらを選ぶべきですか？
人数が少なく、標準の機能でそのまま足りるなら有料のクラウドサービスのほうが手間がかかりません。オープンソースが向くのは、利用人数が多くて月額が積み上がる場合、自社の業務に合わせて画面や項目を変えたい場合、データを自社のサーバーに置きたい場合です。当社は初日3時間の無料ヒアリングで現場を見たうえで、クラウドのほうが向いていればその旨をお伝えします。
社内に技術者がいなくても導入できますか？
できます。オープンソースは置いただけでは使えず、サーバーの用意、日本語化、項目の設計、既存データの移行が必要です。その部分を当社が行います。導入後は自社で直せるように、ソースコードと手順をお渡しします。
音声合成・文字起こしにオープンソースを使うと、何が違うのですか？
ゼロから作る場合と比べて、出来上がっている土台をそのまま使える分だけ短い期間で導入できます。ユーザー数に応じた月額課金も発生しません。当社が掲載している21件は、いずれも公開されているソースコードを自社サーバーに置いて動かせるものです。
日本語で使えますか？
掲載21件のうち14件（67%）は、GitHubの公開ファイルを数えた時点で日本語のロケールファイルがありませんでした。日本語で使う場合は日本語化から着手します。当社はこの作業を含めて導入します。
費用はどのくらいかかりますか？
名古屋市内であれば、1日3時間×5日間の計15時間・税別15万円のお試し導入があります。初日3時間のヒアリングと提案は無料で、進めるとお決めいただいた場合のみ費用が発生します。作るものが決まっている場合は税込110,000円からのプロトタイプ制作もあります。
どれを選べばよいかわからないのですが、相談だけでもよいですか？
構いません。初日3時間のヒアリングは無料です。現場のやり方を見せていただいたうえで、どれを土台にするか、そもそもオープンソースを使わないほうがよいかを含めて提案します。
