Local Transcription of Calls on Mac with M-Chip: Audio Hijack + mlx-whisper + pyannote

記事の著者は、Mac（Mチップ搭載）でローカルに通話を録音・文字起こしする方法を説明しています。クラウドサービスやOBSはパフォーマンスの問題で断念しました。録音には有料のAudio Hijackを使用し、すべての音声を1つのMP3ファイルにまとめます。これは話者識別（ダイアリゼーション）に必要です。文字起こしはMLX上のmlx-whisper（ウェイトはlarge-v3-turbo）で行い、M4では56分の音声を5分で処理します。ダイアリゼーションはpyannote speaker-diarization-3.1を使用し、Hugging Faceでの2つの許諾（Accept）とアクセストークンが必要です。著者はtranscribe-meeting.pyスクリプトを作成し、文字起こし、幻覚（ハルシネーション）の除去、ダイアリゼーションを統合し、タイムコード付きJSON、VTT、TXTを出力します。スクリプトはmac-call-transcribeリポジトリで公開されています。課題としては、短い発言での「SPEAKER」の混同、無音部分でのWhisperの幻覚、名前の手動修正が挙げられます。また、ARM64版のPythonが必要で、platform.machine()の確認も促しています。