Fix esd.list ― Style-Bert-VITS2用 書き起こし自動補完ツール

Fix esd.list ― Style-Bert-VITS2用 書き起こし自動補完ツール

Style-Bert-VITS2 の学習データセット (esd.list + wav) の

「書き起こしが空・短い・行ごと抜けている」ファイルを自動検出し、

AIが2段構えで書き起こしを補完するWindows用ローカルツールです。

学習データを作っていて、こんな経験はありませんか？

・esd.list に書き起こしが無い行があって学習前処理でエラーになる

・数百ファイルの書き起こしを目視でチェックするのがつらい

・普通の文字起こしAIだと、囁き・叫び・演技セリフがうまく認識されない

Fix esd.list は、この面倒な作業をブラウザ画面ひとつで解決します。

■ 特徴

★ 演技音声に強い2段構えのAI書き起こし

　1段目はアニメ・ゲーム調の演技音声に特化した「anime-whisper」。

　囁き・叫び・非言語発声に強く、句読点も自然に付きます。

　認識に失敗したファイルだけ、自動でWhisper large-v3が再挑戦します。

★ 抜けているファイルだけを自動検出

　wavフォルダとesd.listを突き合わせ、書き起こしが必要なファイルだけを

　リストアップ。すでに書き起こし済みの行には手を付けません。

★ ブラウザで検品・修正まで完結

　1行ごとに音声プレイヤー付きの一覧を表示。音声を聴きながら

　テキストをクリックして修正できます。不要なファイルは「ごみ箱」ボタンで

　wavごと安全に削除(ごみ箱行きなので復元可能)。

★ 安心の自動バックアップ

　esd.listへの書き出し前に、元ファイルを自動で .bak にバックアップします。

★ 進捗が見える・途中で止められる

　書き起こしは進捗バーと残り時間の目安を表示。途中停止もできます。

　作業状態は自動保存され、次回起動時に前回の続きから使えます。

■ 動作環境 (購入前に必ずご確認ください)

・Windows 10 / 11

・Python 3.10以降のインストールが必要です (無料・READMEに手順あり)

・NVIDIA GPU推奨 (VRAM 6GB以上)。GPUが無くても動作しますが、

　書き起こし速度はかなり遅くなります

・ディスク空き容量 約10GB

・初回のみインターネット接続が必要です

　(AIモデル 合計約6GB を自動ダウンロードします)

※ Pythonを使ったことがない方でも、同梱の「インストール.bat」を

　ダブルクリックして質問に答えるだけでセットアップできます。

■ 同梱物

・app.py (本体)

・起動.bat / インストール.bat

・requirements.txt

・README.md (セットアップ手順・使い方・注意事項)

■ 使い方 (ざっくり)

1. インストール.bat を実行 (初回のみ)

2. 起動.bat を実行 → ブラウザで画面が開く

3. wavフォルダとesd.listのパス、話者名を入れて「チェック」

4. 「書き起こし実行」→ 抜けている分だけAIが書き起こし

5. 一覧で音声を聴きながら検品・修正

6. 「保存」でesd.listに書き出し (元ファイルは自動バックアップ)

■ 使用しているAIモデル

・litagin/anime-whisper (MITライセンス)

・Systran/faster-whisper-large-v3 ― OpenAI Whisper large-v3 (MITライセンス)

anime-whisperは日本語のアニメ・ゲーム調演技音声 約530万ファイルで

追加学習された日本語特化モデルです。学習データの特性上、固有名詞などの

表記に癖が出る場合があります (一覧画面で修正できます)。

■ 注意事項

・本ツールはローカル専用です。音声やテキストが外部に送信されることはありません

・書き起こし結果は100%正確ではありません。最終確認はご自身でお願いします

・本ツール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

・購入者本人の利用に限ります。本ツールの再配布・転売はご遠慮ください

・Python本体やAIモデルの仕様変更により、将来動作しなくなる可能性があります

■ 更新履歴

2026-07-17 v1.0 初版公開