Buzz 音频转录完整指南5分钟实现离线 Whisper 转录与翻译【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/buzzBuzz 是一款免费开源的音频转录与翻译工具它在你的电脑上本地运行 OpenAI 的 Whisper 模型把录音转成文字或翻译成英文全程不经过任何云端服务。如果你手头有不便上传到第三方平台的会议录音需要为视频批量生成字幕或者想在讲座现场拿到实时文字记录Buzz 的本地离线转录路线基本可以覆盖这些需求。它提供图形界面和命令行两种操作方式覆盖 macOS、Windows、Linux并内置多个 Whisper 推理后端。本地离线方案适合什么样的工作流判断 Buzz 是否值得用关键看三点数据合规。录音不离开本机适合法务、医疗、人事访谈等对上传有禁忌的场景无用量门槛。没有按分钟计费、没有文件大小上限长音频只需等待本地算力可离线运行。装好模型后断网也能工作适合出差、内网环境。代价同样明确转录质量与速度取决于你的硬件一小时以上的长音频在 CPU 上需要耐心等待。若你的核心诉求是实时性极高且质量必须顶级云端 API 仍更合适——Buzz 也保留了 OpenAI API 后端作为备选。上手路径按平台选择安装方式在 macOS 上安装从官方发行渠道下载.dmg文件SourceForge 项目页 buzz-captions双击挂载后拖入 Applications 即可无需命令行。在 Windows 上安装同样从官方发行渠道下载安装包。注意程序未做代码签名安装时系统会弹出安全警告选择更多信息 → 仍要运行。在 Linux 上安装两条路线任选其一flatpak install flathub io.github.chidiwilliams.Buzz或 Snap 方式sudo snap install buzz用 PyPI 从源码安装适合习惯命令行的用户。前提是系统里已有 ffmpeg且使用 Python 3.12 环境pip install buzz-captions python -m buzzNVIDIA 显卡用户如需 CUDA 加速需要额外安装带 CUDA 的 torch 版本README 中给出了对应的 pip 命令。核心能力拆解按场景看你能做什么导入文件并导出字幕启动后主界面就是一个任务队列通过 File 菜单的 Import Media File或 Ctrl/CmdO导入音频或视频文件选择任务类型Transcribe 或 Translate to English、语言、模型类型与大小点 Run 开始。完成后双击该行打开转录查看器。几个直接影响成片质量的选项值得记住Export AsTXT、SRT、VTT 三种导出格式做字幕直接选 SRTInitial promptAdvanced 按钮内把容易写错的人名、术语填进去能显著减少专有名词错拼官方文档的 prompting 一节有说明Word-Level Timings逐词时间戳适合后续需要精细对齐字幕的场景Extract speech嘈杂音频可先分离人声再转录。官方文档建议只要知道语言就不要用自动检测直接选语言代码识别质量通常更好。会议与讲座的实时转录在录音任务面板选择语言、模型和麦克风点 Record 即可边录边出文字。官方明确提示默认 Whisper 后端资源开销大实时场景建议切换 Whisper.cpp 后端并选小一点的模型如果模型能放进显存还能获得 GPU 加速。实时模式有三档行为可选新句追加在下方、追加在上方、追加并回改最后一档会尝试修正上一句的末尾错误占用更多算力。1.4.4 起还增加了静默阈值、转录步长等偏好项步长越短延迟越低但负载越高可以观察队列长度来调。另外 Buzz 提供了一个独立的演示窗口Presentation window把实时文字投到大屏上做现场字幕很方便。审阅转录稿与说话人分离转录完成后双击任务行进入查看器内置全文搜索、0.5 倍到 2 倍播放速度、段落循环播放、随音频滚动定位。时间轴调整不用鼠标拖Ctrl/Cmd←/→ 可以以 0.5 秒为步长移动段落起点加 Shift 则移动终点核对字幕时效率很高。多人对话场景下查看器里的 Identify speakers 按钮会对转录稿做说话人分离为每段标注说话人标签你可以试听某位说话人 10 秒的片段来核对身份再把手动识别出的名字替换进去勾选合并选项后同一说话人的连续句子会合成一个段落。进阶场景与配置批量处理文件夹监控与命令行Buzz 的 Folder Watch 偏好项可以指定一个监控目录新放入的音频自动排队转录。若目录里已有历史成果启用的 Skip Already Transcribed 插件会自动检测同名的 .txt/.srt/.vtt 文件或数据库里的旧记录并跳过避免重复跑模型。命令行入口buzz add适合脚本化例如用 Whisper.cpp 的 small 模型转录并直接导出 SRT/VTTbuzz add --model-type whispercpp --model-size small --srt --vtt meeting.mp4完整参数语言代码、initial prompt、--hide-gui 等见 docs/docs/cli.md。后端与模型的选型组合模型大小从 tiny 到 large 五档越大越准也越慢。后端方面Whisper.cpp支持 Vulkan 加速覆盖多数独显和核显是综合体验最均衡的默认选择WhisperPyTorchNVIDIA 显卡走 CUDAFaster Whisper / Hugging Face想用社区其他 ASR 模型时的入口OpenAI API本地算力不足时的云端兜底。显存紧张时可以在模型偏好里下载量化版本如 q5或设置BUZZ_REDUCE_GPU_MEMORYtrue使用 8bit 量化。模型下载与删除都在这块界面管理用插件扩展流水线1.4.5 起内置的插件可以在 Help → Plugins 中开关和排序全部可在 buzz/plugins/ 目录看到实现方式需要定制时照着写即可。几个高频用途DeepFilterNet 在转录前做本地降噪AI Summary 调用 OpenAI 兼容接口Ollama 本地模型也可以给转录稿生成摘要Export to DOCX 增加 Word 导出Resize Transcript 把逐词时间戳重组成符合字幕时长约束的块。排障要点速查转录太慢换 Whisper.cpp 小模型线程数设BUZZ_WHISPERCPP_N_THREADS约为物理核心数一半官方在 16 线程机器上调到 8 后提速约 15%再高反而变慢显卡表现异常旧显卡或驱动问题时用BUZZ_FORCE_CPUtrue强制走 CPU语言识别偏差放弃自动检测显式指定语言代码文件导不进来确认系统 ffmpeg 是较新版本且文件本身可播放。选型建议与下一步如果你处理的是敏感录音、需要字幕产线、或想省掉云端按量计费Buzz 是当前最省心的本地方案装好模型后断网可用导出格式覆盖 TXT/SRT/VTT插件和 CLI 让流程能自动化。反过来如果你需要秒级返回、顶级准确率、且完全不想操心硬件直接用云端 APIBuzz 的 openaiapi 后端也接得进去比折腾本地更划算。下一步按上文平台说明完成安装导入一段熟悉的短音频跑一次 small 模型确认转录与导出流程无误再进入实时录音和批量处理场景。更多细节可查阅项目内 docs/docs/ 下的安装与使用文档转录核心逻辑在 buzz/transcriber/ 目录。【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