尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
Buzz 完整指南:5 分钟搭起本地离线语音转文字工作流
Buzz 完整指南5 分钟搭起本地离线语音转文字工作流【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刚录完的 3 小时访谈、客户发来的 20 个语音文件、需要加字幕的短视频用在线转录服务意味着把音频上传到别人的服务器——涉密内容不敢传隐私顾虑摆在那儿传上去还要排队、按量付费批量处理时账单和等待都很难受。Buzz 正是为解决这个问题而生的开源工具它基于 OpenAI 的 Whisper 模型在你的电脑上离线完成语音转文字和翻译文件不离开本机MIT 协议免费使用Mac、Windows、Linux 都有对应版本。快速上手从安装到第一份转录文本不同系统的安装方式不一样挑一个适合你的macOS从 SourceForge 下载.dmg安装。注意现在只支持 Apple Silicon 芯片Intel Mac 的最后可用版本是 1.4.5Windows同样在 SourceForge 下载安装包。程序没有签名安装时系统会弹窗警告点更多信息→仍要运行即可继续LinuxFlatpak 或 Snap 二选一命令行分别是flatpak install flathub io.github.chidiwilliams.Buzz和sudo snap install buzzPyPI先装好 ffmpeg再执行pip install buzz-captions然后用python -m buzz启动主界面左侧是录音区下方列表管理每一批转录任务完成后双击条目即可打开文本导入文件有三种方式菜单 File 里的 Import Media File、工具栏的图标或快捷键 Ctrl/Cmd O。选好音视频文件后指定任务Transcribe 转录、Translate to English 翻译成英文、语言和模型点 Run。状态变成 Completed 之后双击那一行就进入转录查看器。导出格式在导入时就能定TXT默认、SRT、VTT 三种字幕或纯文本格式勾选 Word-Level Timings 会为每个词生成独立时间戳后面合并字幕时会用到。点 Advanced 按钮还能填 Initial prompt——把容易拼错的专有名词人名、产品名写进去能明显减少错字。模型管理页可以下载/删除模型Whisper.cpp 后端还能加载自己的 .bin 自定义模型模型怎么选大小、后端与硬件的匹配模型大小决定速度上限文件也躺在本地缓存里Linux 在~/.cache/BuzzmacOS 在~/Library/Caches/BuzzWindows 在%USERPROFILE%\AppData\Local\Buzz\Buzz\Cachetiny / base约 73 MB / 139 MB跑得快适合实时场景和大批量初筛small约 462 MB速度和准确率的中间档medium / large-v3约 1.5 GB / 2.9 GB准确率更高但吃硬件和时间large-v3-turbo约 1.6 GB官方文档里提到的一个折中选项追求速度和准确率平衡可以优先试它后端引擎有四个常见选择对应不同硬件Whisper原版准确但慢、内存占用大Faster Whisper优化过的实现速度快一个量级需要显存至少 6GB 的 Nvidia GPUWhisper.cppC 实现Vulkan 加速集显和纯 CPU 都能跑也是 Mac 上的推荐选项Hugging Face除了 Whisper 系模型还能加载 Meta 的 MMS支持上千种语言、PEFT 微调模型、Parakeet 等社区模型官方 FAQ 给的实际建议如果转录太慢先换小一号的模型或改用 Whisper.cpp有 6GB 以上显存再考虑 Faster Whisper。Nvidia GPU 用户在 1.4.6 及以上版本可以走 Help → About Buzz → Install CUDA Acceleration 单独安装 CUDA 加速组件。会议实时字幕从麦克风到屏幕开一场需要实时字幕的会流程很短选好任务、语言和麦克风点 Record。录音时选 Whisper.cpp 后端和小模型文档特别提示默认 Whisper 模型对资源消耗太大实时场景不划算。实时模式有三种本质是更新策略的差别Append below / Append above新句子追加到下方或上方简单稳定Append and correct新句子接在末尾并回头修正上一句的识别错误效果最好但更吃性能。配合Transcription step参数调节延迟录音时留意 Queue 数值——队列涨得离谱就调大这个参数两个实用细节点进录音的 Presentation windowBuzz 会弹出一个 800x600 的独立窗口可切换浅色/深色主题、调字号把投屏切过去就是现场字幕在 Preferences 里打开Live transcript exports转写和译文会边生成边写入本地 txt 文件译文是.translated.txt可以接给 OBS Studio 这类软件做直播字幕转录查看器时间戳表格、全文搜索、播放进度条和倍速控制都在一个窗口里转录完成之后精修文本、区分说话人、合并字幕结果不是生成完就结束。双击任务条目进入查看器后顶部工具栏提供时间戳/纯文本/译文三种视图CtrlF 打开搜索栏定位内容CtrlG 让文本跟随播放位置滚动还能 0.5x–2.0x 调节播放速度——校对长音频时把速度拉满能省不少时间。选中某一段勾选 Loop Segment可以反复回放同一段话确认文字。说话人识别对访谈和会议尤其有用在查看器点 Identify speakers选 MSDD默认可手动指定说话人数或 Sortformer自动判断人数。识别出的每个说话人可以先试听 10 秒随机片段再把自动生成的标签改成真实姓名保存时勾选Merge speaker sentences会把同一人的连续发言合并成一段。字幕精修走 Resize 按钮转录时开了词级时间戳的文本可以按静音间隙重新分组、按标点断句、限制单条字幕最大长度如果原始音频文件还在本机分组时还会分析静音来校准边界。没开词级时间戳的文本只能按最大长度重新组合。另外还能给每条字幕加几秒显示时长避免画面上的字幕一闪而过。Resize 选项按静音和标点重新组合词级片段控制每条字幕的长度批量工作流文件夹监听、命令行与离线环境文件夹监听适合把录音往一个目录里扔就完事的工作方式在 Preferences 的文件夹选项里勾选 Enable folder watch指定输入文件夹和输出文件夹之后新放入的文件会自动转录还可以选删除已处理文件注意删除后就没法在 Buzz 里回放音频了。命令行面向脚本和自动化完整参数见 CLI 文档。最常用的几条# 单个文件转出 TXT buzz add --txt interview.mp3 # 多个文件依次处理 buzz add --txt lecture-1.mp3 lecture-2.mp3 lecture-3.mp3 # 一批视频生成 SRT 字幕输出到独立目录 buzz add --srt --output-directory ./subtitles recordings/*.mp4 # Whisper.cpp 的 small 模型同时导出 SRT 和 VTT buzz add --model-type whispercpp --model-size small --srt --vtt presentation.mp4 # 标记每位说话人 buzz add --txt --identify-speakers interview.mp3 # 直接转录 YouTube 链接不打开主窗口 buzz add --txt --hide-gui https://www.youtube.com/watch?vxxxx--task translate配合--model-type openaiapi还能调用 OpenAI API 在云端识别这是唯一需要联网的转录路径。完全离线使用也是可行的先在能联网的机器上下载好模型把模型文件夹拷到离线机器的对应缓存目录例如 Linux 的~/.cache/Buzz/models仓库里还附带了 scripts/download-models.py 用来提前准备离线模型缓存。性能微调藏在环境变量里启动 Buzz 前设置BUZZ_WHISPERCPP_N_THREADS控制 Whisper.cpp 线程数官方文档的实测是 16 线程笔记本设成 8 反而快约 15%、BUZZ_FORCE_CPUtrue强制走 CPU、BUZZ_REDUCE_GPU_MEMORYtrue用 8bit 量化省显存、BUZZ_PARAGRAPH_SPLIT_TIME控制 TXT 导出时多少毫秒的停顿算分段。插件给流程加一块积木插件系统从 1.4.5 版本引入入口在 Help → Plugins可以开关、拖拽调整执行顺序、点设置图标配置参数还能通过 Add by URL 加载社区打包的.zip插件。内置五个AI Summary用 OpenAI 兼容接口OpenAI、Ollama 都行给长文本生成摘要结果存进 Notes 字段或另存为文本文件Enhanced Language Detection转录前用本地 Whisper 模型先判断语言适合语言未知的文件Export to DOCX把转录结果导出成 Word 文档可带时间戳Resize Transcript转录完自动把词级片段重新组合成字幕长度Skip Already Transcribed文件已有对应 .txt/.srt/.vtt 结果就直接跳过重复导入整个文件夹时避免白跑一遍自己写插件可以从 buzz/plugins/ 里的内置实现抄结构文档建议直接照着现成插件改。偏好设置API 配置、导出文件名模板、文件夹监听、模型下载都在这一处和在线转录服务放在一起看不展开功能清单只说四个实际取舍数据流向Buzz 的音频全程在本机磁盘和内存里走在线服务的音频要先上传费用结构Buzz 一次性装好、无按分钟计费在线服务按音频时长或 API 调用收费Buzz 里可选的 AI 翻译功能按官方 FAQ 的估算约 1 美元/小时音频语言覆盖Whisper 支持近百种语言CLI 的--language帮助里列出了完整代码表Hugging Face 后端还能加载 MMS 这类上千种语言的模型在线服务通常只覆盖主流语言硬件要求Buzz 对 CPU 有 AVX2 指令集要求很老的机器跑不动在线服务则完全没有本地硬件门槛如果你的核心顾虑是隐私和批量成本Buzz 的优势很直接如果机器实在太老在线服务仍是更省事的选择。常见疑问转录太慢怎么办按顺序试换 Whisper.cpp 后端 → 换小一号模型tiny/base→ 有 Nvidia GPU 就用 Faster Whisper 并装 CUDA 加速。Buzz 能完全断网用吗能前提是模型已经下载过。离线部署就是把模型缓存文件夹从有网机器拷过来Linux 路径是~/.cache/Buzz/models。麦克风报错Unanticipated host error[PaErrorCode-9999]大概率是系统权限问题Windows 检查 Settings → Privacy → Microphone 是否允许 Buzz 访问麦克风并留意杀毒软件的拦截设置。启动后想确认模型存哪了Help → Preferences → Models 下载任意模型后点 Show file location直接打开缓存文件夹。为什么我的 Mac 装不上确认是 Apple Silicon 芯片Intel Mac 只能用 1.4.5 及更早版本。从仓库继续深入代码层面的入口很好找buzz/transcriber/ 下是各后端引擎的实现whisper、whisper.cpp、faster-whisper、OpenAI API 各自一个文件docs/docs/ 是完整使用文档buzz/plugins/ 是插件范例。装好、导第一个文件、导出一份 SRT整个离线语音转文字的流程就跑通了。【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
RELATED

相关推荐

环视相机自动标定工具(SensorsCalibration auto_calib)完全指南:编译、运行与无靶标外参优化原理

环视相机自动标定工具(SensorsCalibration auto_calib)完全指南:编译、运行与无靶标外参优化原理

自动驾驶计算机视觉 【免费下载链接】SensorsCalibration OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving 项目地址: https://gitcode.com/gh_mirrors/se/SensorsCalibration 点击查看 免费下载 本指南围绕 SensorsCalibration 仓库中基于…

📅 2026/10/16 2:41:32
PyTorch训练参数全解:batch_size、学习率、优化器与调参实战指南

PyTorch训练参数全解:batch_size、学习率、优化器与调参实战指南

你有过这种经历吗?网络结构照着经典论文搭的,数据也做了标准化,代码逻辑逐行检查过没毛病,可训练出来的 loss 曲线就像心电图一样上下乱跳,要么悬在半空怎么都降不下去。这时候十有八九,问题出在 PyTorch 训…

📅 2026/10/16 2:41:32
运维工程师的六个真相

运维工程师的六个真相

一、你要会的东西,真的太杂了 二、有些故障,真的靠玄学去修复 三、项目一上线,锅就全是运维的 四、有些坑,是硬件和历史决定的 五、招聘要求越来越离谱 六、最重要的一点:没有产出感

📅 2026/10/16 2:41:32
MORE NEWS

更多资讯

📰

脑机接口的“事件视界”:技术现状与长寿可能性探析

1. 从“事件视界”说起:为什么脑机接口成了长寿叙事的核心变量我最早看到“第一批活到1000岁的人可能已经诞生”这句话时,第一反应是嗤之以鼻。活到1000岁,这不是科幻小说里的设定吗?但顺着“脑机接口的事件视界”这个角度琢磨了一…

📰

微博发布自动化实战:从选题规划到定时发布与数据复盘

微博发布这件事,放在运营工作里,常被当成最没技术含量的一步:打开输入框,打字,点发送。但如果你需要让一个账号每天稳定输出、持续更新,很快就会意识到——发,从来不是问题;发什么、…

📰

SQL日期函数DATEDIFF详解:从边界条件到性能优化实战

DATEDIFF 应该是 SQL 里最常用也最容易被轻视的函数之一。很多开发者在项目初期用它算个日期差,感觉简单到不需要看文档——两个日期一减,天数出来了,完事。但等你真正处理过跨年数据、排查过慢查询、或者接过一个用了 Oracle 和 PostgreSQL …

📰

gauntlet-loop核心机制揭秘:builder-critic配对与盲评对比如何逼出Agent的极致输出

【免费下载链接】gauntlet-loop Turn any goal into a short prompt that makes your agent set a real quality bar, run builder and critic pairs, compare blind, and loop until it wins. 项目地址: https://gitcode.com/gh_mirrors/ga/gauntlet-loop 点击查看…

📰

基于MP2642GR-Z与PIC18F86K90的两串磷酸铁锂主动均衡方案

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

📰

美赛C题备赛核心:从数据体检到可解释建模全流程指南

每年到了备赛期,我都会先被同一个问题问住:“C题到底考什么?是不是数据多、能跑模型就能高分?” 这句话对一半,但真正拉开差距的往往不是模型跑了多少,而是你有没有把“问题”翻译成“数学语言”。美赛C题本…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬