Buzz 离线转录指南：本地 Whisper，免费导出 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 把 OpenAI 的 Whisper 语音模型装在你自己的电脑上：录音不上传，转录不收费，音频丢进去，带起止时间的文稿和 SRT 字幕直接从本地出来。做分钟稿、剪视频字幕、翻外语播客，都是同一套流程。
🧭 一句话定位：Buzz 是什么
Buzz 是一台跑在本地的离线转录工作站，判断标准就一条：数据出不出门，只由你决定，默认情况下它连网都不用。
- 推理全走本机 CPU / GPU，任何环节不经过第三方服务器
- 音频、视频、YouTube 链接都能处理，产出 TXT / SRT / VTT 三种格式
- Whisper 全系模型本地下载、随时切换，Tiny 到 Large 任你挑
- Windows / macOS / Linux 都有安装包，另有一个 Python 包供服务器调用
设备费只付一次：模型下载落地之后，断网也能照常转录。
🚀 最快路径：Buzz 怎么装、怎么转出第一段文稿
顺序不能反：先装应用，再下模型，最后才碰音频，反了后面全卡。
- 按系统选一条安装路径，装完即有完整界面。
- 首次启动进 Models 设置页下载模型，几十 MB 到 200 MB 出头。
- 把音频拖进主窗口，或点工具栏「添加」；在线视频直接贴链接。
- 队列自动开跑，状态列从排队走到完成，窗口最小化、关闭都不影响它跑完。
- 双击任务进详情页，点 Export 导出 SRT，全程结束。
| 系统 | 安装方式 | 备注 |
|---|---|---|
| Windows | 官方安装包 | 未签名，弹窗选「更多信息 → 仍要运行」 |
| macOS | .dmg拖进应用程序 | 需 Apple Silicon，Intel 只支持到 1.4.5 |
| Linux | Snap / Flatpak / AppImage | 应用商店里搜得到，Snap 需先补 portaudio 依赖 |
| Python 环境 | pip 装 buzz-captions 包，跑python -m buzz | 需要 Python 3.12 与 ffmpeg |
✂️ 场景实战：字幕、标人、翻译三个高频活
按你手上最急的活挑一个先跑通，三个画面覆盖绝大多数日常需求。
批量视频出字幕。痛点是云转写按时长计费，文件还得先传上去。Buzz 里几十个文件一次拖进去就行，队列像自助洗衣房，丢下就不管。详情页是带时间轴的表格，点哪行播放头就跳到哪，播放不暂停、文本直接改，改动自动落盘——找不到保存按钮是因为根本不需要。Whisper 直出的句子长短失序，直接用 Resize：定一个目标长度（比如 42 字符），按标点断句，停顿很短的碎片再拼回整句，点一次 Merge 全文件生效，最后导出 SRT。
会议访谈稿标出说话人。一大篇文字分不清谁说了什么，是访谈稿最常见的废稿原因。详情页点「Identify speakers」，MSDD 模型可以自动数人，也可以手动指定人数——人数已知就填进去，相近或偏轻的声音不容易被合并。系统会给每段话标上说话人标签，点一下能试听 10 秒随机原声确认，再把标签改成真名。
外语材料翻译与无人值守批处理。任务类型选 Translate，英文播客一步出中文稿。不想开界面时走命令行：buzz add一条命令提交，输出格式用命令参数指定，完整参数见 docs/docs/cli.md。写进脚本，就是原始音频进、字幕文件出的流水线；再配合文件夹监控，指定目录里新落进去的音频自动开工。插件系统内置了 AI 摘要、Word 导出、跳过已转文件等，开关和排序都在 Help 菜单里，源码在 buzz/plugins/ 目录。
⚖️ 关键取舍：模型档位和引擎怎么定
这张表解决 Buzz 里唯一真正费脑的选择：档位开多大。规则就一句：文字要交出去，直接 large；自己看，small 封顶就够。
| 档位 | 速度 | 准确率 | 适合 |
|---|---|---|---|
| Tiny | 最快 | 一般 | 快速试听、实时跟读 |
| Base | 快 | 尚可 | 随手记笔记、语音备忘 |
| Small | 中等 | 良好 | 会议纪要、访谈初稿 |
| Medium | 较慢 | 很高 | 重要内容精转 |
| Large | 最慢 | 最高 | 字幕制作、可交付文本 |
引擎五选一：whisper（NVIDIA 卡配 CUDA）、whispercpp（Vulkan，核显也能跑）、fasterwhisper（求快）、huggingface（社区模型）、openaiapi（接云，非必要不用）。没有独显就选 whispercpp 最稳；有 NVIDIA 卡的去 Help → About Buzz 里装 CUDA 加速，large 的耗时明显缩下来。模型管理全在 Models 设置页，已下载、可下载分区清晰，底部还能填第三方地址，把社区优化过的 Whisper 变体拉下来。
🩹 卡点清单：四个高频问题先对表再动手
卡住九成是下面四类，先查原因再动机器：
| 症状 | 大概率原因 | 动作 |
|---|---|---|
| 任务一直停在排队 | 模型还没下载完 | 到 Models 页确认模型就位，再补任务 |
| 文稿错漏多 | 录音噪音大或档位太小 | 先改善录音条件，救不回来换 large 重跑 |
| 机器卡死 | 大文件加重量级模型同跑 | 分批处理，并行任务压到最少 |
| 无独显机器转得慢 | 引擎和硬件不匹配 | 切 whispercpp，让核显走 Vulkan |
✅ 现在就能做
装好应用，先下 small 模型，把那条你拖最久的录音丢进队列，看一程速度心里就有底了。速度可接受就换 large 重跑重要文件；要交付的文稿，进详情页用 Resize 切完，直接导 SRT。
【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
