Buzz 离线语音转文字完整教程：不上传音频，几分钟把录音变文稿
【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
Buzz 是一款完全在本地运行的语音转录与翻译工具，底层由 OpenAI 的 Whisper 模型驱动。它要解决的核心问题只有一个：你不想把会议录音、课程音频、采访素材上传到任何在线服务，却仍然需要一份准确、带时间戳的文字稿。Buzz 让这一切在你的电脑上完成——全程不联网，音频文件不离开本机，同时支持近百种语言的识别，以及把外语音频直接翻译成目标语言的文字。
为什么选择 Buzz 而不是在线转录服务
在线转录服务用起来方便，但代价是隐私和依赖：文件要上传到第三方服务器，处理速度受网络影响，部分服务按音频时长收费。Buzz 的差异化优势可以归纳为三点：
- 数据不出本机。转录、翻译、编辑全部离线完成，敏感内容（合同谈判、医患沟通、内部会议）不会进入任何云端。
- 一次下载，反复使用。模型文件缓存在本地，之后处理任意数量的音频都不产生费用。
- 硬件利用充分。Buzz 支持多种 Whisper 推理后端，Nvidia GPU 可走 CUDA 加速，Mac 可利用 Apple Silicon，集显和其他 GPU 则可通过 Whisper.cpp 的 Vulkan 加速。没有独显的机器同样能用，只是速度不同。
此外，它覆盖了从导入文件到批量处理的完整链路：转录音频视频文件、从麦克风实时转录、识别说话人、导出字幕、监控文件夹自动批处理，还有命令行接口和插件系统（内置 AI 摘要、自动字幕重排等插件），细节可在 官方使用文档 中查阅。
三分钟上手：拿到 Buzz 并完成第一次转录
Buzz 支持 Windows、macOS（Intel 与 Apple Silicon）和 Linux。获取方式有两种：下载对应系统的官方安装包，或从源码克隆。克隆仓库只需要一条命令：
git clone https://gitcode.com/GitHub_Trending/buz/buzz打开主界面后，你看到的是一张任务列表——Buzz 的所有转录都以"任务"为单位，在这里排队、执行、查看进度。第一次转录的操作路径很短：
- 点击添加按钮，选择本地音频或视频文件（MP3、WAV、M4A、MP4 等常见格式均可）；
- 在任务设置里确认模型和语言（默认即可先跑通）；
- 开始处理，任务进度实时显示在列表中。
第一次处理前 Buzz 会自动下载所选 Whisper 模型，之后再运行就完全离线了。
影响转录效果的三个关键设置
转录质量主要取决于模型、语言、导出格式三项配置，都集中在偏好设置里。
模型大小：速度与精度的取舍。小型模型处理快，适合大批量素材或快速出草稿；大型模型识别准确率更高，适合需要精读定稿的内容。不确定时，先用小模型跑一遍，发现错漏再针对片段换大模型重跑，是常见做法。
语言设置：自动检测还是手动指定。音频语言单一且明确时，手动指定源语言更稳；内容多语言混杂时，开启自动检测，Buzz 会逐段判断。
导出格式：按用途选。支持 TXT（纯文稿）、SRT 和 VTT（带时间戳的字幕）三种格式，字幕可直接投喂给视频编辑工具。
转录之后：编辑、字幕重排与批量处理
转录结果只是起点，Buzz 的转录查看器支持对结果做二次加工：
- 文本修正：直接点击识别错误的片段改字，无需回到原始音频逐帧重听。
- 时间戳调整：逐段修改起止时间，让文字与音频精确对齐。
- 段落重排（Resizer）：Whisper 输出的句子切分常常不符合阅读习惯，字幕合并、拆分工具可以把碎段合并成整句、或把长段拆短，控制每行字幕的时长。这是Buzz处理长音频字幕最实用的功能之一，相关逻辑位于 字幕重排源码。
批量场景下有两个机制值得关注：
- 队列管理：任务列表按顺序逐个执行，导入几十个文件后可以离开电脑去忙别的。
- 文件夹监控：指定一个目录后，新丢进去的音频文件自动进入转录队列，适合持续接收素材的工作流。
如果你需要在演讲、直播等场合实时出字，Buzz 还内置了麦克风实时转录和独立的全屏演示窗口；插件系统则提供了 AI 摘要、说话人区分等扩展能力，源码在 buzz/plugins/。
三类典型使用场景
- 商务会议记录：录音离线转成文字，会后整理纪要、分发给参会者，敏感内容不经过任何第三方服务器。
- 课程与播客学习：长音频转成带时间戳的文字，配合查看器的播放控制快速定位重点，也能直接导出 SRT 当字幕用。
- 内容创作：视频、播客制作者用文件夹监控批量导入素材，先小模型出粗稿、再人工修正，最后导出字幕，整个流程不依赖网络。
常见问题与排错
转录太慢怎么办？换更小的模型档位是最直接的办法；也可以在高级设置里调整温度等参数。有独显的机器确认对应的加速后端（CUDA 或 Vulkan）已启用，速度会有明显提升。
识别不准怎么改善？三个检查点：源音频尽量清晰；语言设置与说话人实际语言一致；在高级设置里填写"初始提示"（一段描述音频内容的文字），相当于给模型提供了上下文，对术语密集的音频尤其有效。
文件打不开、格式不支持？Buzz 覆盖绝大多数常见音频视频格式，个别不兼容的文件先用 ffmpeg 等工具转成 MP3 或 WAV 再导入即可。
结语
Buzz 把 Whisper 的识别能力装进了一台本地桌面应用：离线、免费、可编辑、可批量。如果你的需求是"把录音变成文字，但音频不能上传"，它就是目前最省心的选择——克隆仓库、跑通第一条转录任务，大概只需要十分钟。
【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
