企业官网建设流程全解析

Buzz 离线音频转录指南：本地语音转文字，敏感录音不出你的电脑

【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

会议纪要、播客素材、客户采访录音，这些文件你敢直接传到云端处理吗？多数人的答案是：不敢。Buzz 就是为这种顾虑而生的离线音频转录工具——它把 OpenAI 的 Whisper 语音模型搬到你自己的电脑上，本地语音转文字全程不联网，转完还能顺手翻译。

Buzz 实时转录界面，模型选择和语言设置一目了然

Buzz 是什么：把 Whisper 装进你的电脑 🎙️

Buzz 是一个跨平台的桌面应用，基于 OpenAI Whisper 技术，在你本机的 CPU 或 GPU 上完成音频、视频的转录和翻译。打个比方，它就像一台"家用文字冲洗店"：录音往里一放，文字往出一吐，原料和成品始终都在你手里，不用托人代洗。

• 完全本地处理，数据不出设备
• 支持 TXT / SRT / VTT 导出
• 批量任务队列 + 命令行调用
• 麦克风实时转录也支持

从零跑起来：3 步启动 Buzz 🚀

第 1 步：获取代码

git clone https://gitcode.com/GitHub_Trending/buz/buzz cd buzz

拿到项目源码，后面安装和调试都以它为基础。

第 2 步：建虚拟环境并安装

python -m venv .venv source .venv/bin/activate # Windows 用 .venv\Scripts\activate pip install buzz-captions

Buzz 要求 Python 3.12（官方依赖里钉死了这个版本），所以建好虚拟环境再装，能避免污染系统环境。buzz-captions就是 Buzz 的包名，一条命令把所有依赖装齐。

第 3 步：启动验证

buzz

等主窗口弹出，任务列表空空的摆着，就说明跑起来了。

主界面：任务列表和工具栏，跑成功长这样

如果卡住了，大概率是这几种情况：

• Python 版本不对→ 确认是 3.12，python --version查一下
• ffmpeg 没装→ 音频解码靠它，去 ffmpeg.org 装一个并加入 PATH
• 首次转录特别慢→ 模型在后台自动下载，等它跑完就好

核心用法：单文件转录与批量队列 🎬

场景一：转一个文件

1. 点击工具栏的"新建转录任务"按钮（快捷键Ctrl+Shift+T），或直接Ctrl+O选择音频、视频文件导入
2. 在任务行里选择模型（比如 Whisper.cpp 的 small）和语言（留空则自动检测）
3. 点"开始转录"，等状态变成 Completed
4. 双击结果打开转录查看器，逐句校对文字和时间轴
5. 从查看器导出 TXT、SRT 或 VTT

小技巧：Ctrl+M开始、Ctrl+Shift+M停止；转录和翻译是两个任务类型，转中文再翻英文就选 Translate。

场景二：批量队列

1. 按住 Ctrl（或 Cmd）多选文件，一次性导入多个
2. 每个任务独立设置模型和参数，互不干扰
3. 逐个开始，或暂停、取消不想跑的任务

转录查看器：带时间戳的逐句文本，支持直接编辑

进阶玩法：命令行一条命令直接入队，还能省掉开界面的步骤：

buzz add --model-type whispercpp --model-size small --language zh --srt --vtt meeting.mp3

在偏好里启用"Watch folder"后，放进监控目录的新文件会自动开始转录。

调优与个性化：模型怎么选、字幕怎么排 ⚙️

离线 Whisper 模型怎么选

模型文件体积从model_loader.py里可以查到确切数字：

在"偏好 → Models"里勾选下载，模型统一存在本机缓存目录（可用BUZZ_MODEL_ROOT环境变量改位置）。

质量与速度的平衡

原则很简单：先快后精。用 base 跑一遍全文拿到草稿，再挑出拿不准的片段单独用 medium 或 large 重转。Whisper.cpp 后端还支持量化版本（比如 q5），同样是大模型，体积和内存占用都能降下来。

输出格式与文件名定制

Buzz 支持 TXT、SRT、VTT 三种导出。做字幕首选 SRT。"偏好 → General"里可以设置默认导出文件名模板，比如{{ input_file_name }} ({{ task }}d on {{ date_time }})，批量导出时文件不会撞名。

模型偏好：选择后端和模型版本，点下载即可

字幕行太长、断句太碎怎么办？双击结果打开查看器里的"Resize"对话框，设置每行最大字数，勾选按停顿合并，一键把时间轴重排整齐。

Resize 工具：控制每行字幕长度和合并规则

踩坑速查 💡

• 启动就报版本错误→ 大概率是 Python 版本不对，Buzz 只认 3.12
• 转出来的文件打不开或格式怪→ 检查 ffmpeg 是否装好，重装后重启 Buzz
• 第一个任务慢得像卡死→ 模型在自动下载，第二次转同样的模型就快了
• 有 N 卡但速度没提升→ 换 Whisper.cpp（Vulkan）或 Faster Whisper 后端，确认显卡驱动就绪
• 语言设置后没生效→ 语言代码要填zh这种两字母代码，不是chinese
• 磁盘空间告急→ large 系模型一个就 2.9 GB，装几个大模型前先看看剩余空间

一个完整工作流：从录音到成品字幕

1. 把会议录音 MP3 导入任务列表
2. 选择模型：日常内容 base 就够，重要内容上 small 或 medium
3. 开始转录，等待状态变为 Completed
4. 打开查看器，播放对照音频，修正个别错字
5. 用 Resize 整理字幕断行，导出 SRT

批量场景可以写成脚本，省掉逐个拖文件的麻烦：

# 批量转录一个目录，全部输出 SRT for f in ~/recordings/*.mp3; do buzz add --model-type whispercpp --model-size small --language zh --srt "$f" done

这个脚本能帮你省掉的是：开界面、挑文件、设参数、点开始，四步手动操作。

写在最后

回到开头那个问题：敏感录音还怕上传吗？现在你已经在本地完成了离线音频转录——单文件、批量、命令行都行，还能顺手导出字幕。想再往前一步，可以试试 Buzz 的麦克风实时转录和文件夹监控，或者看看它的插件系统，比如 AI 摘要生成，文档里有完整说明。工具在手，剩下的交给你的耳朵和审美。

【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