Buzz 离线音频转文字：4 步装好，音频不出本机也能拿到 SRT 字幕
【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 是一个免费开源的桌面应用，把 OpenAI 的 Whisper 模型装在本地跑，完成音频转文字、翻译与字幕导出。全程离线，不按时长计费，文件不离开你的硬盘。适合手里有音频、又想把文字稿和字幕留在本地的所有场景：剪辑、整理、记录。
从零到第一份结果：四种安装方式与首次转写
先选安装方式。四条路各适合一类人：
| 平台 | 做法 | 备注 |
|---|---|---|
| macOS | 官方发布页下载.dmg，拖进 Applications | 新版仅支持 Apple Silicon；Intel Mac 最后可用版本是 1.4.5 |
| Windows | 下载安装包，按提示走完 | 安装包未签名，弹出警告时选 More info → Run anyway |
| Linux | sudo snap install buzz或flatpak install flathub io.github.chidiwilliams.Buzz | snap 路线建议先装libportaudio2等系统库，见官方安装文档 |
| Python | pip install buzz-captions，再运行python -m buzz | 需要 Python 3.12 和系统级 ffmpeg；Linux 可能缺若干系统库 |
模型后端默认是 Whisper，够用；机器有显卡、想提速就换 Whisper.cpp（Vulkan 路线，N 卡、核显都能加速）；想换第三方模型用 Hugging Face / Faster Whisper；不想占本机资源则走 OpenAI Whisper API。
装好打开后，第一件正事是下模型。偏好设置（Ctrl+,）的 Models 页面列出已下载和可下载的档位，tiny 到 large 都有。建议先下 tiny 或 base 试跑：档位越大准确率越高，资源占用也越高，流程确认无误再换大档。
首次导入四步走完：
- File 菜单点 Import Media File（或 Ctrl+O），选中音频或视频文件。
- 在任务面板选好任务类型（Transcribe 或 Translate to English）、语言和模型档位。语言请手动指定：自动检测只靠开头几秒猜，翻车概率不低。
- 点 Run。
- 列表中该行状态变为 Completed，转写即完成；双击进入转录详情页。
两个勾选框值得现在就记住：Word-Level Timings（生成词级时间戳，做字幕必勾）和 Extract speech（先把人声单独提取出来再转，背景音乐重的录音受益明显）。人名、术语总被写错，就到 Advanced… 里的 Initial prompt 把这些词写进去，模型会照着拼写。导入的完整选项说明见文件导入文档。
从能出字到能上屏：词级时间戳与字幕重排
Whisper 切出来的句子长短参差，直接导成 SRT 丢进剪辑软件没法用。要变成能上屏的字幕，缺一个环节：断句。
前置条件只有一个——导入时勾上 Word-Level Timings。有了词级时间戳，详情页工具栏的 Resize 按钮才能真正发挥作用：
- 设定每条字幕的最大长度，并可选按标点断句；
- 原始音频还在本机时，它会分析静音间隙，把过短碎片合并掉，断点更准；
- 想让每条多停留一会儿，按秒数统一延长每段结束时间，且不会越过下一条的起点。
注意一点：没有词级时间戳的转录只能调最大长度，按标点断句不可用。所以这一步省不掉。调完后用工具栏的导出菜单选格式：TXT、SRT、VTT、JSON 都有。做字幕导 SRT，当笔记导 TXT。
详情页本身就是一处顺手的校对位：点哪段文字，音频就跳到哪段；Ctrl+F 开搜索定位关键词；播放速度 0.5x 到 2x 可调，长音频校对不必原速硬听。更多编辑细节见编辑与调整文档。
把重复劳动交给机器：实时转写、监控与 CLI
三个方向，各管一类重复活：
- 实时转写：选好录音任务、语言、模型和麦克风，点 Record，话语即转成文字滚出。两点经验：默认 Whisper 后端实时转写吃资源，建议切 Whisper.cpp 走 GPU 加速并小一档模型；实时模式若 Queue 越堆越长，说明处理跟不上说话速度，把 Transcription step 调大即可。录音进行中还能打开 Presentation window，把实时字幕投到大屏。另外，走任意 OpenAI 兼容 API（含 Ollama 自建的本地模型），在偏好设置里填好 Base URL 与 API Key，即可边转写边翻成中文；开启实时转录导出后，文本会同步写成 TXT 供 OBS 等软件读取。官方给的成本参考：ChatGPT / Claude 级别模型翻 1 小时音频约 1 美元，见翻译文档。
- 文件夹监控：偏好设置的 Folder Watch 页签指定一个目录，新音频落进去就自动排队转写。同事往共享目录放录音，文字稿自己出来；重复导入不会重跑，因为内置的「跳过已转录」插件会直接复用已有结果。
- CLI：适合写脚本。常用写法：
# 转写单个文件，导出 TXT buzz add --txt interview.mp3 # 整个文件夹转 SRT，输出到独立目录 buzz add --srt --output-directory ./subtitles recordings/*.mp4 # 不打开界面，直接转一个链接 buzz add --txt --hide-gui https://www.youtube.com/watch?v=xxx参数全集见 CLI 文档。
- 插件系统：1.4.5 起提供。Help → Plugins 里开关、拖拽排序、按 URL 添加社区插件。内置五个：AI 摘要（转写完生成摘要，存到 Notes 或本地文件）、导出 Word（.docx，可选带时间戳）、增强语言检测（自动识别未知语言）、字幕自动重排、跳过已转录文件。源码都在 buzz/plugins/ 目录，每个文件很短，照着写一个自己的不难，说明见插件文档。
出问题先查这里：四种常见现象
| 现象 | 原因 | 解法 |
|---|---|---|
| 转写太慢 | 档位过大，或没走加速后端 | 先降一档模型，再切 Whisper.cpp 开 GPU 加速；别并行塞太多任务 |
| 错误率高 | 录音底噪、人声与背景音混杂 | 导入时勾 Extract speech；人名术语写进 Initial prompt；仍不理想再换大一号模型重跑 |
| 实时转写越来越卡 | 处理速度低于说话速度 | 看 Queue 面板，涨得快就把 Transcription step 调大；实时要求不高就换更小模型 |
| Windows 安装时弹警告 | 安装包未签名，不是故障 | 弹窗里选 More info → Run anyway |
更多情况可翻使用文档和安装文档。
收尾：三件事自检
Buzz 的定位只有一句：Whisper 跑在你自己的机器上，音频不出门，文字稿和字幕自己出。
下次开会被前，花十分钟验证三件事：Buzz 已安装并能打开；Ctrl+O 能导入一段 5 分钟音频，且 Word-Level Timings 已勾；任务 Completed 后双击进详情页，导出 SRT 成功。三件都过，后面的批量与自动化只是把同样的流程多跑几遍。
【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
