Buzz 离线语音转文字完全指南：3 类场景、5 款内置插件与一条命令的自动化玩法
【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
你有没有过这样的烦恼：一段 40 分钟的会议录音，扔给在线转写服务要等上传、等计费、还要担心内容外泄？Buzz是一个可以在个人电脑上完全离线运行的开源音频转录与翻译工具，底层由 OpenAI 的 Whisper 驱动。它把"文件转字幕、麦克风实时转写、跨语言翻译"三件事整合进同一个图形界面，数据始终留在你的硬盘里。适合视频剪辑师、播客主理人、研究人员和需要会议字幕的讲师——本文带你从安装到进阶插件，一次讲透。
快速上手：三条路跑起来
第一条路：官方安装包（最省心）
Buzz 提供 Mac、Windows、Linux 三大平台的安装文件：
- macOS：下载
.dmg直接安装。注意：从 1.4.6 起仅支持 Apple Silicon，Intel Mac 最高只能用 1.4.5 版本。 - Windows：安装程序未签名，首次安装会弹出安全提示，选择「更多信息 → 仍要运行」即可。
- Linux：Flatpak 与 Snap 均可，一行命令完成：
# Flatpak flatpak install flathub io.github.chidiwilliams.Buzz # 或 Snap（先装音频依赖） sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module sudo snap install buzz第二条路：pip 安装（适合喜欢 Python 的用户）
先装好 ffmpeg，建议使用 Python 3.12 环境，然后：
pip install buzz-captions python -m buzz第三条路：源码运行（尝鲜最新功能）
git clone --recursive https://gitcode.com/GitHub_Trending/buz/buzz cd buzz # 安装 uv 后执行：uv sync，再 uv run buzz首次使用时的建议动作：打开「帮助 → 偏好设置 → 模型」下载一个 tiny 或 base 模型，语言选择「自动检测」或手动指定常用语言；如果你的电脑有 Nvidia 显卡，可以去「帮助 → 关于 Buzz」里一键安装 CUDA 加速。
核心能力：4 个最值得先试的功能
① 文件与链接批量转录
拖入音频（MP3、WAV 等）或视频（MP4、MOV 等）文件，甚至直接粘贴 YouTube 链接，选择任务（转录 / 翻译成英文）、语言和模型，点 Run 即可排队执行。结果支持导出 TXT、SRT、VTT 三种格式。任务列表、状态、队列一目了然——主界面如下：
② 麦克风实时转写 + 演示窗口
选择任务、语言和麦克风后点击 Record，Buzz 会把麦克风声音实时转成文字。实时模式分三档：追加在下方、追加在上方、追加并纠错（延迟更高但会自动修正上句尾部的错字）。会议和演讲场景下，可以打开专门的演示窗口，把字幕投到大屏幕上。
③ 说话人区分
转录完成后可点击「Identify speakers」，Buzz 会基于 MSDD 或 Sortformer 两种声纹聚类算法给每句话打上说话人标签。你知道有几个人时，直接填数字效果更稳；每段都能试听 10 秒预览、把 A/B 改成真名，还能勾选「合并同一说话人的连续句子」。CLI 里对应--identify-speakers、--speaker-count、--speaker-diarizer参数（1.4.6+）。
④ 高级转录查看器
双击转录结果进入查看器：时间戳表格 / 纯文本 / 译文三种视图切换，Ctrl+F全文搜索（区分单词边界、支持上下跳转匹配），0.5x–2.0x 播放变速，Loop Segment 循环播放选中片段，Follow Audio 让文字随音频自动滚动。所有快捷键和细节见 转录查看器文档。
真实场景实战：3 套可直接照做的流程
场景一：给视频批量生成 SRT 字幕
- 导入视频文件，Export As 选 SRT（可再勾 VTT 双份输出）；
- 点 Advanced，在 Initial prompt 里填入易错的人名、术语，减少误拼；
- 转录完成后进入查看器，用Resize功能按最大行长和标点把句子重新切成符合字幕规范的短块——开启过 word-level timings 的转录还能利用静音段分析切得更准；
- 导出 SRT，直接拖进剪辑软件。字幕调整界面见下图：
场景二：播客访谈的说话人整理
- 导入访谈录音，转录时勾选 Identify speakers；
- 结果打开后确认说话人数（或保持 Auto），逐条试听 10 秒预览；
- 把 A、B 标签改成本名，勾选「合并同一说话人连续句子」；
- 导出 TXT 或 SRT，得到一份带说话人的完整文稿。相关文档：说话人识别。
场景三：无人值守的文件夹监听
在偏好设置里开启 Watch Folder，把录音设备的输出目录设为监听目标——之后任何新落盘的文件都会自动排队转录。配合「Skip Already Transcribed」插件，重复导入的文件夹不会二次消耗算力。整个流程可完全脚本化，命令行参考 CLI 文档。
进阶与扩展：插件系统与提速技巧
五个内置插件，覆盖流水线前后
Buzz 从 1.4.5 起引入插件机制：插件可以处理转录前的音频、改写转录结果、或在保存后执行自定义动作，管理入口在「帮助 → 插件」，支持开关、拖拽排序、单独配置，还能通过 Add by URL 导入社区.zip插件。内置的五个：
| 插件 | 作用 |
|---|---|
| AI Summary | 调用 OpenAI 兼容 API 为长转录生成摘要，写入 Notes 或独立 txt |
| Enhanced Language Detection | 转录前用本地 tiny 模型先检测语言，适合语言未知的文件 |
| Export to DOCX | 转录完成后直接导出 Word 文档，可附时间戳 |
| Resize Transcript | 自动把 word-level 片段重组成字幕块：按静音合并、按标点切分、限制最长行数 |
| Skip Already Transcribed | 检测到已有 .txt/.srt/.vtt 或数据库里有记录时直接跳过 |
自己写插件？buzz/plugins/ 目录下的每个内置插件都是活模板，核心契约在 buzz/plugins/base.py：子类BuzzPlugin声明元数据，再按需实现before_transcription、after_transcription等钩子即可。
提速三板斧
- 选对后端：Nvidia 独显（≥6GB 显存）选Faster Whisper；没有独显或 Mac 上选Whisper.cpp（支持 Vulkan 加速，集成显卡、纯 CPU 都能跑，实时转写首选）；追求社区微调模型选Hugging Face后端；想借云端算力则可选OpenAI API。
- 量化模型：在偏好设置里选
q_5等量化版本，显存占用更低；也可设置BUZZ_REDUCE_GPU_MEMORY环境变量启用 8bit 量化（1.4.0+）。 - CLI 批处理：一条命令处理整个文件夹，例如把一批 MP4 转成 SRT 输出到独立目录：
buzz add --srt --output-directory ./subtitles recordings/*.mp4更多环境变量（线程数BUZZ_WHISPERCPP_N_THREADS、强制 CPUBUZZ_FORCE_CPU、关闭遥测BUZZ_DISABLE_TELEMETRY等）见 偏好设置文档。
横向对比：Buzz 与两类常见方案
| 维度 | 在线转写服务 | 传统本地离线工具 | Buzz |
|---|---|---|---|
| 隐私保护 | 音频上传云端 | 本地处理 | 本地处理，完全离线可用 |
| 费用 | 按时长/账号收费 | 多为一次性购买 | 免费开源（MIT 协议） |
| 实时麦克风转写 | 部分支持 | 大多不支持 | 支持，且带演示窗口 |
| 多后端引擎 | 固定黑盒 | 通常单一引擎 | 5 种 Whisper 后端 + 多种社区模型 |
| 字幕重组 / 说话人区分 | 有限 | 有限 | 内置 Resize、MSDD/Sortformer |
| 插件扩展 | 无 | 无 | 支持，含 URL 导入社区插件 |
高频疑问：5 个问题一次答清
Q1：转得太慢怎么办？
三个方向：换更小的模型（tiny/base）；换 Whisper.cpp 后端（官方 FAQ 明确推荐它跑实时场景，集成显卡甚至纯 CPU 都行）；有 ≥6GB 显存则换 Faster Whisper。另外官方提示 Buzz 依赖 CPU 的 AVX2 指令集，太老的机器不在支持范围。详见 FAQ。
Q2：完全断网的机房能用吗？
能。先在有网电脑上把模型下好，通过「帮助 → 偏好设置 → 模型 → Show file location」找到模型目录，整体拷到离线机器相同位置即可。仓库里还提供了 scripts/download-models.py 帮你提前打包模型缓存。
Q3：模型文件存在哪里？
Linux 在~/.cache/Buzz，macOS 在~/Library/Caches/Buzz，Windows 在%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache。
Q4：Whisper 模型这么多版本（Large、Large-V2、Large-V3、Turbo）怎么选？
官方 FAQ 的说法很直白：Large-V2 对某些语言最稳，Large-V3 精度最高但偶尔会"幻觉"出没说过的话，Turbo 在速度和精度之间取平衡——唯一确定的办法是在你自己的语言上逐一实测。另外名字带.En的模型只支持英文。
Q5：麦克风报错PaErrorCode-9999是为什么？
一般是系统层拦截了麦克风权限：Windows 去「设置 → 隐私 → 麦克风」确认 Buzz 有权限，同时留意杀毒软件是否临时拦截了音频设备。
写在最后
一句话总结：Buzz 让你把音频转写的主动权——数据、算力、流程——全部拿回本地，而且免费开源。如果你正在找一款不上传音频、支持 GPU 加速、还能实时打字幕的工具，它就是目前开源阵营里完成度最高的答案之一。
下一步你可以立即做三件事：5 分钟装好 Buzz（三条安装路径任选其一）→ 丢进一段 5 分钟的录音跑通第一次转录 → 打开「帮助 → 插件」试试 AI Summary。如果用了觉得顺手，欢迎去仓库提 Issue、贡献翻译（make translation_po locale=zh_CN起步）或写一个自己的插件；也别忘了 Star 一下，把工具分享给同样被"等待上传"折磨的朋友。
【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
