Buzz 本地语音转文字完整指南从一段录音到可编辑字幕只要几分钟【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz你刚做完一期播客想把 60 分钟的对话变成两样东西一份能全文搜索的文字稿和一套能直接挂到视频上的字幕。但素材属于商业项目不能丢进任何在线转写服务。这时候你需要的是 Buzz——一个把 OpenAI Whisper 语音识别引擎装进桌面的应用识别全程跑在你自己的 CPU/GPU 上音频从头到尾不离开这台电脑断网也能照常干活。为什么是 Buzz数据不出门识别完全本地执行没有上传、没有按分钟计费录了 100 小时也只花电费。适合法务、医疗、内部会议这类敏感素材。图形界面 命令行双通道日常用窗口操作批处理写进脚本同一个程序两种用法。转录→编辑→字幕→导出闭环不只是出文字还能改字、调时间轴、拆合并段落最后存成 TXT、SRT、VTT 甚至 DOCX。插件可扩展官方内置 AI 摘要、DOCX 导出、字幕自动分块等插件还能从社区添加第三方插件。安装 Buzz 并拿到第一条文字稿按平台选一条最快的路macOS下载.dmg双击安装。注意新版只支持 Apple 芯片Intel Mac 最高支持到 1.4.5。Windows安装程序未签名系统弹出警告时点更多信息 → 仍要运行。LinuxFlatpak 或 Snap 任选其一flatpak install flathub io.github.chidiwilliams.Buzz sudo snap install buzz从源码装想试最新功能时pip install buzz-captions python -m buzz装好后按最短路径走一遍点工具栏的或按 CtrlO挑一个音频或视频文件。表单里选语言不确定就留空让它自动检测和模型——模型没有会自动下载。点Run状态列走到 Completed再双击这一行就打开了播放器加文字稿的核对界面。主界面就是这样一个任务列表每一行是一个转录任务能看到用的哪个模型、跑到百分之几。下面再补一句有 Nvidia 显卡的话可以去 帮助 → 关于 Buzz 里安装 CUDA 加速长音频会快很多。目标一把硬盘里的音视频变成文字稿导入后表单里有几个决定结果的开关任务选转录出原文选转录并翻译能额外拿到英文译文。模型类型与尺寸Whisper、Whisper.cpp、Faster Whisper 等引擎尺寸从 tiny 到 large-v3-turbo后面专门讲怎么选。高级设置初始提示塞进人名、术语防识别错、词级时间戳每个字都有时间点字幕精修用、语音提取先把人声从噪音里抠出来再识别。导入的不只能是本地文件直接粘一个在线视频链接也行Buzz 会先下载再转录方便你把网上课程录播变成字幕。目标二边说话边出字会议、直播、课堂场景下打开主界面顶部的实时转录区选好麦克风和语言点 Record文字就跟着你的话一段段蹦出来。偏好设置里有两个值得配的项导出路径开启实时导出后转录文字会实时写进一个 txt 文件OBS 等软件读这个文件就能把字幕上屏。转录模式追加到下方、追加到上方、追加并修正三种。前两种最省资源最后一种会让模型回头纠正上一句效果最好但吃得动 CPU。提醒一下默认 Whisper 模型跑实时转写比较吃配置麦克风场景建议换 Whisper.cpp 引擎加小模型响应会更跟手。目标三让文字稿变成字幕转录完成后双击任务进入转录稿视图每行文字带起止时间改字、调时间都能直接点进去编辑下方播放器可以逐句回放对照。做字幕时Resize字幕重排是省力功能导入时勾了词级时间戳的话它能按每行最多几个字按标点断句合并间隔太短的片段自动把长句切成标准字幕块还能给每条字幕统一延长显示时长。做完在导出菜单里存成 SRT 或 VTT直接就能丢进剪映、OBS 或视频平台。多人对话还有一层玩法转录稿视图里的Identify speakers说话人识别会把不同人拆开打标MSDD 引擎下可以手动告诉它一共几个人来减少张冠李戴标完还能把自动标签改成真名。模型与关键选项速查模型越大越准但越吃内存也越慢。日常音频 base/small 足够别一上来就梭哈 large模型尺寸下载体积速度适用场景tiny~73 MB最快快速试跑、实时转写base~139 MB快日常对话起步首选small~462 MB中等正式转录medium~1.5 GB慢高要求内容large-v3~2.9 GB最慢多语混说、精度优先large-v3-turbo~1.6 GB快精度速度平衡推荐模型在 偏好设置 → 模型 页统一管理能下能删Whisper.cpp 还提供 q8_0 这类量化版省显存。其余几个影响最大的选项语言能确定就手填比自动检测稳。任务transcribe只转写或 translate转写并译成英文。词级时间戳做字幕建议开为后面重排留后路。引擎有显卡选 Whisper.cpp 或 Faster Whisper没有就默认 Whisper。提升准确率的做法和常见的坑初始提示里塞术语录音里反复出现的产品名、人名、地名写进 Initial prompt识别错误率明显下降——Whisper 会照着提示的词表去对齐发音。手动指定语言自动检测靠开头几秒猜口音重或中英夹杂时容易翻车直接指定主语言更稳。音频质量是天花板模型救不了严重的环境噪音和贴麦爆音。安静环境录、音量适中比换更大的模型更有效。坑一转写慢——先降一档模型尺寸再换 Whisper.cpp 引擎最后才考虑上 CUDA有 6GB 以上显存的显卡可以试试 Faster Whisper。坑二large-v3 偶尔编字——个别语言上 v3 可能输出音频里没有的话发现整段幻觉就换 large-v2 或 turbo 对比一下。坑三实时转写卡——队列一直涨说明硬件跟不上把转录模式从追加并修正退回追加或换小模型。命令行与批量自动化窗口之外的批处理走 CLI一条命令指定模型、语言、输出格式buzz add --model-type whispercpp --model-size small --srt --vtt audio.mp3跑完audio.mp3旁边就多了一份 SRT 和 VTT 字幕。批量场景直接通配符走起buzz add --srt --output-directory ./subtitles recordings/*.mp4配合--txt --hide-gui还能不弹窗口纯后台跑塞进 cron 或 Makefile 就是条流水线。不想每次敲命令就在偏好设置里开启Folder Watch指定一个输入文件夹和一个输出文件夹往输入里丢音频它就自动转录结果落进输出文件夹。配合内置的 Skip Already Transcribed 插件重复丢同一批文件也不会重跑。插件入口在 帮助 → 插件拖拽就能调整执行顺序AI Summary 用本地或 API 模型给转录稿生成摘要Export to DOCX 一键出 Word 稿Enhanced Language Detection 在转写前先用小模型判定语言。想自己写插件的话源码里 buzz/plugins/ 下每个内置插件都是现成模板。先跑一遍最小流程别急着研究所有参数。下载装好后找一段 1 分钟的清晰音频用 base 模型转录一次导出 SRT 再打开看看时间轴——十分钟走完导入→转录→导出整条链路之后要字幕、要批量、要实时都是在同一套流程上加开关。更多参数细节见仓库内官方文档。【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考