★ FEATURED ARTICLE Buzz 免费离线语音转文字完整指南本地 Whisper 转录从录音到字幕导出【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/buzzBuzz 是一款基于 OpenAI Whisper 的免费开源离线语音转文字桌面工具转录与翻译全部在你自己的电脑上完成音频不上传任何云端服务模型文件保存在本地缓存完全断网的机器也能正常运行。⚡ 一次跑通三件事完成最小可运行配置把应用装到机器上。macOS 与 Windows 直接从发行页下载安装包Linux 执行flatpak install flathub io.github.chidiwilliams.BuzzPython 环境则先pip install buzz-captions再执行python -m buzz需 Python 3.12并自行装好 ffmpeg。Windows 安装包未签名首次启动会弹警告选更多信息 → 仍要运行即可。做完后窗口中央应出现一个空的任务列表。下载一个模型。后端有四选一Whisper官方实现内存占用高、Faster Whisper面向 6GB 以上显存 NVIDIA GPU 的优化版、Whisper.cppC 实现任意 GPU 甚至纯 CPU 可跑Mac 上最稳、HuggingFace可加载大量自定义模型尺寸从 tiny约 75MB、base约 142MB、small约 466MB、medium约 1.5GB到 large约 2.9GB任选其一。下载完成后模型落入本地缓存Linux 在~/.cache/BuzzmacOS 在~/Library/Caches/BuzzWindows 在%USERPROFILE%\AppData\Local\Buzz此后不再需要网络。此时在帮助 → 偏好设置 → 模型页能看到该模型处于已下载状态。手动指定语言挑一段短录音试跑。按 CtrlO 导入音频MP3、WAV、FLAC、MP4 均可也接受在线链接把任务设为转录语言直接选 zh 而不是留给自动检测点运行。跑完后该行状态会从进行中变成已完成双击即可看到文字。 按交付物看功能地图你要拿走什么就配哪个开关文字稿在查看器里校对后导出 TXT触发条件一段现成的音频或视频含会议、讲座、采访。关键开关有两个内容多专名、术语时在高级设置的初始提示里写入这些词可减少拼写错误录音里有背景音乐或多人抢话时转写前打开提取语音Buzz 会先把人声分离成独立音轨再转录。最短路径导入 → 运行 → 双击该行打开转录查看器对照播放音频、搜索文本、调节播放速度改完保存为 TXT。参考时长纯 CPU 笔记本上 30 分钟的录音用 base/small 模型通常要十几到几十分钟有 GPU 加速时可压缩到几分钟内。外语录音想把任务改成翻译成英文需要分清谁说了什么时打开说话人识别自动标注发言人。项目还带一套插件系统官方插件含 AI 摘要生成、docx 导出等可在转录完成后顺手生成一份摘要。SRT / VTT 字幕文件从词级转录到可用字幕触发条件给视频或播客配字幕。这个交付物依赖两个开关联动其一导入时勾选词级时间戳word-level timings其二在转录查看器里用 Resize 工具——指定单条字幕最大长度、是否按标点切分、每条字幕多延长几秒Buzz 会把词级转录重新组合成常规字幕。最短路径导入 → Resize 调整 → 导出 SRT 或 VTT可直接导入剪辑软件。实测一段 40 分钟的播客访谈转成 SRT全程只做了导入 → 调整字幕 → 导出三步。实时投屏与转写流导出会议现场和 OBS触发条件实时录音面板选好麦克风和语言点记录屏幕上随说话逐句出字。关键开关后端选 Whisper.cpp 加较小模型——官方文档明确提示默认 Whisper 实现资源开销大而 Whisper.cpp 在带核显的笔记本上也能做到实时需要投屏时打开演示窗口实时稿可以放大显示给全场要把实时稿接到 OBS 等推流工具在偏好设置里开启实时转录导出文本会边转边写入本地 TXT 文件。成批自动产出的文件不逐条点运行的需求交给下面一节的命令行与文件夹监听。 排障速查三种常见状况与直接解法转录慢得离谱、CPU 打满十分钟的录音跑了一个多小时 → 多半是默认 Whisper 后端速度慢、内存占用高模型也可能超出硬件能力 → 后端换成 Whisper.cpp有 6GB 以上显存的 NVIDIA GPU 换 Faster Whisper模型降到 base 或 small硬件实在跟不上时Buzz 允许把 OpenAI API 当远端后端但那就放弃了完全本地这一特性docs/docs/faq.md 的建议与此一致。识别语言跑偏、前几段是无意义文本 → 默认自动检测语言只取开头几秒做判断遇到静音、背景音乐或浓重口音就容易误判 → 手动指定语言双语内容选主要语言即可官方文档同样建议尽量指定。模型刚下载完应用就崩溃或报错 → 多半是模型文件不完整或损坏 → 在帮助 → 偏好设置 → 模型里删掉该模型重新下载。另有一条硬件门槛要先确认Buzz 要求 CPU 支持 AVX2 指令集很老的机器会直接起不来。批量与自动化一条 CLI 命令加文件夹监听命令行批量转录的实现见 buzz/cli.py图形界面里的选项基本都能用参数表达。一条最有代表性的批处理命令buzz add -m whispercpp -s small -l zh --srt --vtt --txt --output-directory ./out --hide-gui ./input/*.mp3--hide-gui让主窗口不出现、任务后台跑完SRT/VTT/TXT 按指定目录落地配合 shell 的 for 循环或 cron 就能搭起自动化管线其余参数组合参见 docs/docs/cli.md。不想敲命令就在偏好设置的 Folder Watch 页开启监控选好文件夹与默认模型新放进文件夹的音频会自动排队转录再配合导出文件名模板可用源文件名、任务、日期等变量占位输出命名也统一了详见 docs/docs/preferences.md。转录本身不依赖网络唯一联网动作是下载模型在有网机器上把模型缓存备齐scripts/download-models.py 就是为此准备的整个缓存目录拷到断网机器即可直接用。选型判断三条短句五分钟验证交付要求零校对就别指望Whisper 仍会错专名、术语和重口音语音交付前得在转录查看器里人工改。CPU 不支持 AVX2 则 Buzz 无法运行只能换设备或走云端 API批处理上万小时的服务端级场景专用语音识别服务仍更合适。五分钟验证动作切一段自己录音里的 1~2 分钟用 base 模型跑一次速度与准确率是否可接受跑完即知。【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
阅读完成 · 觉得有帮助？
