文字起こし（Whisper） に必要なPCスペックと、合うPC・Mac（2026年10月）
Whisper large-v3はVRAM 4〜6GBで動くので、GPUの条件はローカルLLMよりずっと緩いほうです。1時間の会議音声なら、RTX 4060クラスで数分あれば書き起こせます。
CPUだけでも動きますが、同じ1時間に数十分かかる。Apple SiliconはMLX版が速く、M4のMac miniでも十分に実用です。社外に出せない録音を扱う用途では、これが最も費用対効果の高いローカルAIになります。
どこで何が動いているか
OpenAIのWhisperは音声認識モデルで、オープンソースとして公開されているため自分のPCで動かせます。会議の録音を社外に出さずに文字起こしできるのが最大の価値です。large-v3モデルは約3GB、実行時にVRAM 4〜6GBを使い、GPUなら1時間の音声を数分で処理します。
CPUだけでも動きますが、1時間の音声に数十分かかります。Apple SiliconではMLX版（mlx-whisper）やwhisper.cppが最適化されていて快適です。ローカルLLMと組み合わせて「文字起こし→要約→議事録」まで一気通貫にする使い方が定番で、この組み合わせで使うならローカルLLM側の要件が加わります。
手元のPCで実際に起きていること
Whisper large-v3はVRAM 4〜6GBで動き、GPUなら1時間の音声を数分で処理します。CPUでも動きますが数十分。社外秘の会議をクラウドに出したくない用途で定番。Apple SiliconはMLX版で快適。
必要なリソース（最低ライン）
最低・快適・余裕の3段階
| 段階 | 構成の目安 | できること |
|---|---|---|
| 最低 | GPUなし・メモリ16GB | small/mediumモデルなら実用。large-v3はCPUだと遅い |
| 快適 | VRAM 6GB以上のGeForceまたはApple Silicon 16GB | large-v3で1時間の音声が数分 |
| 余裕 | VRAM 12GB以上またはMac 32GB | 文字起こしと同時にローカルLLMで要約まで |
計算例: 実際に何GB要るか
1時間の会議録音をlarge-v3で処理する時間の目安。RTX 4060（VRAM 8GB）で3〜5分、RTX 4070で2〜3分、MacBook Air M4（MLX版）で5〜8分、Core i7のCPUのみで40〜60分。VRAMの使用量は約4.5GB（fp16）で、8GBのGPUなら余裕。
文字起こし後にQwen3 8B（6.4GB）で要約まで回す場合、GPUで順番に実行すれば8GBで足りますが、同時にVRAMに載せるなら12GB以上かMac 16GB以上。週に5本の会議を処理するなら、CPUのみだと週5時間PCを占有し、GPUなら20分で終わる差になります。
よくある誤解
「文字起こしは軽い処理だからCPUで十分」短い音声ならCPUでも足ります。ただし1時間を超える録音をlarge系のモデルで回すと、CPUでは実時間の数倍。GPUがあれば数分の一に縮みます。
「精度を上げるには大きいモデルにするしかない」モデルを大きくする前に、音の側を直すほうが効果があります。マイクを近づける、雑音を減らす、話者ごとに録る。同じモデルでも認識率がはっきり変わります。
よくある失敗
- largeモデルをCPUで回して1本に1時間待つ。GPUかApple Siliconで数分になる
- 録音の音質が悪く、どのPCでも精度が出ない。マイクのほうが精度を左右する
- 話者分離（誰が話したか）までWhisper単体でできると思う。別のツール（pyannote等）が要り、VRAMも増える
MacかWindowsか
どちらでも快適です。MacはMLX版で消費電力が低く、ノートで会議中にリアルタイム処理も現実的。WindowsはGeForceがあれば最速。
モデルのサイズと速度・精度の関係
Whisperにはtiny（39M）、base（74M）、small（244M）、medium（769M）、large-v3（1550M）、turbo（809M）のサイズがあります。日本語の会議録音で実用になるのはmedium以上で、large-v3が最も高精度。
turboはlarge-v3の精度をほぼ保ったまま、処理速度を数倍にした版で、2024年10月以降の標準的な選択肢です。VRAMの使用量はmediumで約2GB、large-v3で約4.5GB、turboで約3GB。CPUで動かすならsmall以下が現実的で、日本語の精度はそのぶん落ちます。
話者分離（誰が話したか）はWhisper単体ではできず、pyannote等を組み合わせる必要があり、これがVRAMを2〜4GB追加で使います。日本語に特化した派生（kotoba-whisper、ReazonSpeech系）は、日本語の固有名詞や相槌の扱いが良く、同じVRAMで精度が上がることがあります。
買う前のチェックリスト
- VRAM 6GB以上のGeForce、またはApple Silicon 16GB以上
- 会議用のマイク（精度の8割はここで決まる）
- 要約までローカルでやるなら、ローカルLLM（8Bクラス）の要件も満たす
- 話者分離が要るなら追加のVRAM 2〜4GB
編集部メモ: Whisperは「GPUを買う一番安い理由」かもしれません。VRAM 6GBで足りるので、中古のRTX 3060（12GB）でも十分。当サイトのDBではRTX 3060 12GBが8BのローカルLLMも快適に動かす判定なので、文字起こしと要約を1枚でこなす入門構成として、費用対効果が最も高い部類です。
関連するページ
文字起こし（Whisper）に要るのは、CPU 6コア・メモリ16GB・NVMe 0.5TB、GPUはVRAM 6GB（Macならユニファイド16GB）という水準でした。この数字を持ったまま、別の角度から裏を取れるページを並べます。用語で詰まったら用語集へ。
| 知りたいこと | ページ |
|---|---|
| その容量で何が動くか | VRAM 8GBで動くモデル ・ Mac 16GBで動くモデル |
| 予算から構成を選ぶ | 予算別のおすすめ（10万〜100万円） |
| 使うソフトの推奨スペック | ツール別（Ollama・LM Studio・ComfyUIほか） |
| GPUやチップのシリーズで比べる | シリーズ別の対応表 |
| 量子化の形式を選ぶ | 量子化の種類と必要メモリ |
| 用語の意味を確認する | AI用PCの用語集（29語） |
| 会社で導入する場合の考え方 | 法人・業務でAIを使うPC選び |
| いま何が動くようになっているか | ローカルLLMの現在地（データレポート） |
予算別にどれを選ぶか
文字起こし（Whisper）を使うという条件だけで、予算ごとに選べる構成が変わります。要件を満たす中で最も手頃なものを並べました。価格は2026年10月時点の目安です。
| 予算 | この用途を満たす最も手頃な構成 | 目安 | 備考 |
|---|---|---|---|
| 10万円まで | この予算では要件を満たす構成がありません | — | |
| 15万円まで | Mac mini M4（メモリ24GB・SSD 512GB） | 14〜17万円 | 最安で「クラウドAI＋8〜14BのローカルLLM」 |
| 20万円まで | Mac mini M4（メモリ24GB・SSD 512GB） | 14〜17万円 | 最安で「クラウドAI＋8〜14BのローカルLLM」 |
| 30万円まで | Mac mini M4（メモリ24GB・SSD 512GB） | 14〜17万円 | 最安で「クラウドAI＋8〜14BのローカルLLM」 |
| 40万円まで | Mac mini M4（メモリ24GB・SSD 512GB） | 14〜17万円 | 最安で「クラウドAI＋8〜14BのローカルLLM」 |
| 60万円まで | Mac mini M4（メモリ24GB・SSD 512GB） | 14〜17万円 | 最安で「クラウドAI＋8〜14BのローカルLLM」 |
| 100万円まで | Mac mini M4（メモリ24GB・SSD 512GB） | 14〜17万円 | 最安で「クラウドAI＋8〜14BのローカルLLM」 |
要件を満たす中で最も安いのはMac mini M4（メモリ24GB・SSD 512GB）（14〜17万円）です。同じ予算でも形（ノート・BTO・自作・Mac・常時稼働）で選べるものが変わります。予算別のページで各価格帯の全構成を確認できます。
1年後を見据えるなら
文字起こしのモデルは軽量化が進んでおり、必要なVRAMは増えていません。むしろ同じ精度がより小さいモデルで出るようになっています。今VRAM 6GBで足りているなら、その状態が続く見込みです。変化があるとすれば、話者分離やリアルタイム処理を組み合わせたときで、その分のメモリを見ておくと安心です。
PCを買わずに済ませる選択肢
クラウドの文字起こしサービス（Zoom、Teams、各社の議事録ツール）で足りるなら、機材は不要です。ローカルに移す理由は、録音を外部に出せない一点。それが制約でないなら、月額数千円のサービスのほうが手間もかかりません。精度はどちらもマイクの品質に大きく左右されます。
させたい仕事を足すと、要件はどう変わるか
文字起こし（Whisper）単体の要件（CPU 6コア・メモリ16GB・VRAM 6GB・SSD 0.5TB）に、仕事を1つ足したときの変化です。上がる軸だけを示します。
| 足す仕事 | 上がる要件 | その結果 |
|---|---|---|
| 文章・資料・メール作成 | 変わらない | Mac mini M4（メモリ24GB・SSD 512GB）から |
| プログラミング・開発 | CPU 6→8コア・メモリ 16→32GB・SSD 0.5→1TB | RTX 5060（8GB）デスクトップ・メモリ32GBから |
| 自動タスク・エージェントの常時運用 | CPU 6→12コア・メモリ 16→64GB・SSD 0.5→1TB・常時稼働が必要に | Ryzen AI Max+ 395 ミニPC（メモリ128GB）から |
| イラスト・画像生成 | メモリ 16→32GB・VRAM 6→12GB・SSD 0.5→1TB・NVIDIA GPU前提に | RTX 5070（12GB）デスクトップ・メモリ32GBから |
| 動画生成・編集 | CPU 6→8コア・メモリ 16→64GB・VRAM 6→24GB・SSD 0.5→2TB・NVIDIA GPU前提に | RTX 5090（32GB）デスクトップ・メモリ64GBから |
| 議事録・文字起こし | 変わらない | Mac mini M4（メモリ24GB・SSD 512GB）から |
| データ分析・Excel/Python | CPU 6→8コア・メモリ 16→32GB・SSD 0.5→1TB | RTX 5060（8GB）デスクトップ・メモリ32GBから |
| 社内文書の検索・要約（ローカルRAG） | CPU 6→8コア・メモリ 16→32GB・VRAM 6→16GB・SSD 0.5→1TB | 自作: RTX 5070 Ti（16GB）・メモリ32GBから |
形態別のおすすめ
PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。
GPUノート（RTX 5070 Laptop 8GB・メモリ32GB）
持ち歩いて画像生成の入門や8BクラスのローカルLLMを回す人
RTX 5060/5070 Laptop（VRAM 8GB）・メモリ32GB・NVMe 1TB ・ 目安 20〜28万円
ノートPCで文字起こし（Whisper）を使うなら
RTX 5060（8GB）デスクトップ・メモリ32GB
画像生成の入門と8BクラスのローカルLLM。最安のGPU機
RTX 5060（VRAM 8GB）・メモリ32GB・NVMe 1TB ・ 目安 15〜21万円
デスクトップ（BTO）で文字起こし（Whisper）を使うなら
Mac mini M4（メモリ24GB・SSD 512GB）
最安で「クラウドAI＋8〜14BのローカルLLM」。Claude Codeは1エージェントまで。静音・省電力で常時稼働にも
M4・ユニファイドメモリ24GB・SSD 512GB ・ 目安 14〜17万円
Macで文字起こし（Whisper）を使うなら
Ryzen AI Max+ 395 ミニPC（メモリ128GB）
Windows/Linuxで128GBの共有メモリ。GPU側に96GBを割り当てれば、gpt-oss-120bや70Bクラスを常時サーバとして動かせる
Ryzen AI Max+ 395・LPDDR5X 128GB（256GB/s）・NVMe 2TB ・ 目安 32〜48万円
常時稼働サーバー型で文字起こし（Whisper）を使うなら
自作: RTX 5070 Ti（16GB）・メモリ32GB
BTOより同予算で一段上のGPUに届く。画像生成とローカルLLMの定番
Ryzen 7 9700X・DDR5 16GB×2・RTX 5070 Ti・NVMe 2TB・電源850W ・ 目安 27〜35万円
自作で文字起こし（Whisper）を使うなら
させたい仕事を足して絞り込む
よくある質問
NPU（Copilot+ PC）でWhisperは速くなる？
一部の実装はNPUに対応し始めていますが、成熟度と速度はGPU/Apple Siliconが上です。NPU目的で選ぶ段階ではありません。
日本語の精度はどのモデルがいい？
large-v3が最も高精度。速度を優先するならmediumかturbo版。日本語特化の派生モデル（kotoba-whisper等）もあります。
リアルタイムの文字起こしはできる？
Apple SiliconのMacBookやVRAM 8GB以上のGeForceなら、会議中のリアルタイム処理が現実的です。
文字起こし（Whisper）にはどんなPCが合う？
ノートPC: GPUノート（RTX 5070 Laptop 8GB・メモリ32GB）。デスクトップ（BTO）: RTX 5060（8GB）デスクトップ・メモリ32GB。Mac: Mac mini M4（メモリ24GB・SSD 512GB）。常時稼働サーバー型: Ryzen AI Max+ 395 ミニPC（メモリ128GB）。自作: 自作: RTX 5070 Ti（16GB）・メモリ32GB
関連: AI時代のPC選び 5つの軸 / ローカルLLMに必要なPCスペック / AI開発用PCのスペック / MacかWindowsか / メモリ16・32・64GBの差