Buzz 离线语音转文字完整指南：5 分钟让 Whisper 在本地跑起来
【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAI's Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz
开完会，桌上躺着一段两小时的录音，第二天上午就要交文字稿。把它丢给云端转录服务，代价是按分钟计费，外加文件必须先传到别人服务器上。Buzz 是把这套流程搬到本地的工具：基于 OpenAI 的 Whisper 模型，识别、翻译、导出全部在你自己的电脑上完成，录音从头到尾不出机器。
装好并跑起来
三个平台都有现成方案：
- Windows / macOS：从发布页下载安装包或 .dmg 拖进 Applications 即可；Windows 版本没有数字签名，安装时按"更多信息 → 仍要运行"放行
- Linux：Flatpak 或 Snap 包管理器直接装
- Python 用户：走 pip，需要 Python 3.12 环境并先装好 ffmpeg
# pip 方式安装并启动 Buzz（约一行装好，第二行启动） pip install buzz-captions python -m buzz装完打开主界面，左上角就是导入按钮。详细的各平台安装说明见 安装文档。
从一段录音到字幕文件
导入音频或视频文件（视频会自动抽音轨），第一次使用要先选模型并等待下载——模型只下载一次，之后离线可用。任务类型分两种：transcribe 识别原语言，translate 则直接产出英文译文。建议第一遍就把手动指定语言打开，比自动检测稳。
跑完后双击任务行打开转录查看器：波形、文本、播放条三件套，拖动播放位置对应文字会高亮，哪句听着别扭就回听哪句。确认没问题后导出，TXT、SRT、VTT 三种格式任选。
让识别更准的 4 个设置
准确率主要看这几个开关，按顺序调收益递减：
- 手动指定语言：短文件和方言内容自动检测容易翻车，指定语言后识别率提升最明显
- 填写初始提示：录音里有专有名词、产品名、术语，把它们写进提示框，模型会倾向于按你给的词认
- 换更大的模型：tiny 够快速粗览，正式内容建议 medium 或 large；NVIDIA 显卡、Apple Silicon、大多数核显（Vulkan 路径）都有加速，大模型也能跑得动
- 开启语音分离：嘈杂环境录的音，Buzz 会在转录前先把人声分离出来，比单纯降噪有效
模型下载、删除、量化版本（牺牲一点精度换速度）都在偏好设置的模型页管理，偏好文档里有完整说明。
说话时实时转文字
Buzz 不只能处理存好的文件，还支持麦克风实时转录：点录制按钮，说出来的话立刻变成文字往下排。三种模式可选——新句子追加到下方、追加到上方、或"追加并纠正"（会对上一句的识别错误做二次修正，吃硬件性能）。演讲和会议场景可以开演示窗口全屏显示实时文字；开启实时导出后，文字还会边生成边写进 txt 文件，方便同步给别的程序。
文件多起来之后怎么办
一批访谈录音或整季讲座，别一个一个拖：
- 文件夹监视：在偏好里设好输入目录和输出路径，新文件落进文件夹就自动开始转录，"会一结束文件丢进去"这种工作流完全不用人盯
- 命令行：
buzz add一条命令就能指定模型、语言、提示词并直接导出 SRT/VTT，适合写脚本批量跑，全部参数见 CLI 文档 - 插件扩展：内置插件系统提供 AI 摘要、字幕自动拆行等能力，源码在 buzz/plugins/，想加自己的功能也有现成骨架
做字幕的话还有一个拆行工具：按静音间隙合并、按标点分割，逐条调整每条字幕的时长再导出，省掉字幕编辑器里的大部分手工活。
Buzz 和云端转录服务怎么选
| 维度 | Buzz | 云端转录服务 |
|---|---|---|
| 文件去向 | 留在本机 | 上传到服务商服务器 |
| 网络 | 下载模型后离线可用 | 依赖网络 |
| 费用 | 免费 | 按分钟计费 |
| 速度 | 取决于你的硬件 | 取决于对方服务器排队 |
| 语言覆盖 | 99+ 种 | 因服务而异 |
| 可控性 | 模型、提示词、导出模板都能调 | 基本不可调 |
涉及客户信息、商业机密的音频，"文件不出机器"这一条就是决定性的；偶尔一段小音频求快，用云服务也无妨，不必硬上本地。
下一步做什么
- 装上 Buzz，找一段短音频，用 base 模型走一遍"导入 → 运行 → 查看器"
- 指定语言、填上几个关键词的初始提示，对同一段音频再跑一次，对比识别差异
- 打开文件夹监视、固定输出目录，之后的批量文件丢进去就行
【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAI's 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
