本地离线音频转文字一次搞定Buzz 转录工具上手指南【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你手上有小时的会议录音却不想逐字回放传到在线服务又怕内容外泄Buzz 是一款基于 OpenAI Whisper 模型的本地音频转文字工具把语音转文字和翻译全部放在你自己的电脑里完成。需要整理访谈、课堂笔记或给视频加字幕的人都可以把它当作日常工具。 把 Buzz 装到电脑上图形化安装Windows 和 macOS到官方分发页下载 macOS 的.dmg或 Windows 安装包双击一路下一步即可。注意 Windows 版未做签名安装时系统会弹出警告选择更多信息 → 仍要运行就能继续。Linux 下用包管理器安装系统已装好 Flatpak 或 Snap 的话一条命令即可完成本地部署flatpak install flathub io.github.chidiwilliams.Buzz用 pip 从源码生态安装习惯 Python 环境的话先在系统里装好 ffmpeg再执行pip install buzz-captions python -m buzz 三步跑通第一次转录把音频文件加入任务队列打开 Buzz 后按CtrlOmacOS 为CmdO或点击工具栏的按钮在弹出的导入窗口里选中 MP3、WAV、FLAC、M4A 等音频或 MP4 等视频文件。可以一次选中多个它们会依次出现在左侧任务列表里。选模型并启动转录每行任务都有模型下拉框。第一次使用保持默认即可点Start开始队列Buzz 会逐个处理文件并在行内显示进度。语言一栏建议直接填录音的实际语言比自动检测更稳。查看并导出结果任务完成后双击该行进入转录查看器文字按时间戳分段列出下方有播放器点哪一段就从哪一段开始播。确认无误后点右上角Export选 SRT、VTT 或 TXT 保存到你的文件夹。✨ 三个功能亮点四类 Whisper 后端任选Whisper是 OpenAI 开源的语音识别模型Buzz 把它换成了四种运行方式原版 Whisper 精度高但偏慢Faster Whisper 需要 6GB 以上显存的 Nvidia 显卡Whisper.cpp 是 C 实现纯 CPU 或任意显卡都能跑也是 Mac 用户的最佳选择HuggingFace 类型则能加载针对特定语言优化的第三方模型。适合你按手头的硬件和精度要求各取所需。麦克风实时转录在录音面板选好任务、语言和麦克风点Record就能边说边出字文字实时追加在下方。开启演示窗口还能把字幕放大投屏。适合现场会议记录、讲座速记这类话音刚落就要成稿的场景。字幕行合并与拆分点查看器里的Resize按钮可以设定每条字幕的最大字数、按标点自动断句还可以给每条字幕延长显示时长。生成给视频配字幕用的 SRT 时能直接控制单行长度和阅读节奏省去手工修剪。 五条效率技巧语言已知就手动指定让 Buzz 跳过自动检测环节转录更准。文件很多时开启监视文件夹把待处理音频丢进去就会自动转录不用手动点添加。长录音先用小模型快速出一版个别段落再换大模型精转省时省力。实时转录建议搭配 Whisper.cpp 加小模型延迟低、系统占用小。记住CtrlO导入、CtrlF在转录文本里搜索、CtrlG跳到当前播放位置长录音校对快很多。❓ 常见问题Buzz 需要联网吗不需要。转录计算全在本地完成模型首次下载后就缓存在本机Help → Preferences → Models 里能看到存放位置。支持哪些文件格式MP3、WAV、FLAC、M4A 等常见音频和 MP4 等视频文件都可以导入也支持直接粘贴 YouTube 链接。结果能导出成什么TXT 纯文本、SRT 字幕、VTT 网页字幕查看器里一键选择。转录速度太慢怎么办换更小的模型或改用 Whisper.cpp / Faster Whisper 后端有 Nvidia 显卡的机器上 GPU 加速效果最明显。完全断网的电脑能用吗可以。在有网电脑上把所需模型下载好再整个模型文件夹拷到离线电脑的相同目录即可。Buzz 把导入 → 转录 → 导出整条链路都留在你的机器上记者整理采访、学生整理课堂录音、创作者制作视频字幕都能全程不碰云端。想深入了解各功能的细节可以翻翻 docs/docs/ 里的使用文档或直接从 buzz/transcriber/ 目录读起源码。【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
