企业官网建设流程全解析

Buzz 语音转录工具指南：离线语音转文字、导出字幕，从首次运行到批量处理

【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

整理一段 90 分钟的会议录音，光是把口述内容敲成文字并对齐时间戳，往往就要耗掉一个下午。Buzz 是一款免费开源的语音转录工具，它能在你自己的电脑上本地运行 OpenAI 的 Whisper 模型完成语音转文字，并支持翻译与字幕导出，全程离线、无需上传云端。

产品定位：Buzz 是本地化方案，不是云端服务

Buzz 是一款基于 Whisper 语音模型的桌面应用，内置 transformers、whisper.cpp 等多个本地推理引擎，核心代码位于 buzz/transcriber/。与常见的云端转录服务相比，差异集中在三点：

如果你的音频涉及未公开的业务内容，或者转录量大、希望把成本压下来，这种离线语音转文字的思路就值得考虑。

快速上手：从安装到跑通第一条结果

这一节把安装、首次配置、跑出第一条转录结果合并成一条完整路径。

第一步：获取代码并安装依赖

git clone https://gitcode.com/GitHub_Trending/buz/buzz cd buzz pip install -e . python -m buzz

Linux 用户也可以改用 Flatpak 或 Snap 渠道直接安装，省去手动配依赖。

第二步：做一遍基础配置

首次启动后，打开偏好设置页做一次基础配置：选择默认模型（入门建议 Tiny 或 Base）、勾选需要自动导出的格式（TXT、SRT、VTT、JSON 等）。

第三步：导入音频，拿到第一条结果

通过菜单「导入文件」或快捷键 Ctrl+O 导入任意一段音频，任务会自动进入队列并开始处理。完成后在任务列表中点开记录，即可在查看器中逐段核对文本，并选择格式导出。

场景实测：三种典型用法

会议录音实时转文字

适用情况：开会、访谈、讲座时边听边记来不及。操作：按 Ctrl+R 打开录音窗口，选好麦克风和语言后开始录制，音频会按固定片段持续转写，内容可以当场看到。注意点：文字展示相对实际说话有若干秒延迟，这是分段转写的正常现象，不要据此判断识别出错；片段长度与延迟可在录音相关设置里调整。

已有音频文件批量转写

适用情况：手头有 MP3、WAV、MP4 等文件，需要拿到文本或字幕。操作：Ctrl+O 多选导入，语言默认自动检测；如果已知语种，手动指定通常更准。任务结束后打开转录查看器，文字与音频逐段对齐并带时间戳，可以直接改字、微调每段的起止时间。

转写与翻译一次完成

适用情况：外语访谈、外语课程视频、跨国会议。操作：在任务的转写选项里把任务类型从 Transcribe 改为 Translate 并选定目标语言，结果中会同时保留原文与译文，还可以只导出译文这一份 SRT 字幕，直接用于视频。

进阶调优：让批量处理更顺手的 5 个配置

1. 固定默认模型与缓存路径：模型大小直接决定内存占用和速度。在偏好设置的模型页（models_preferences_widget.py）里设定常用模型和缓存目录，换目录、换项目时不必重复下载。
2. 开启文件夹监听：在偏好设置中配置要监听的目录（实现见 transcription_task_folder_watcher.py），之后放进目录的音频会自动排队转写，适合固定投放录音文件的团队流程。
3. 自定义导出文件名模板：在偏好设置中把默认命名模板改成{{input_file_name}}_{{date_time}}这类格式，批量处理同名文件时不会互相覆盖。
4. 按手熟度改快捷键：Ctrl+O（导入文件）、Ctrl+R（打开录音窗口）、Ctrl+T（查看时间戳）等默认项都可在偏好设置的快捷键页里重新定义，清单见 buzz/settings/shortcut.py。
5. 有独显就启用 GPU：NVIDIA 显卡按项目说明配置 CUDA 后，长音频的处理耗时会明显下降，参考 buzz/cuda_setup.py。

常见问题

转录速度很慢怎么办？先把模型换小（Tiny 或 Base）；有独显的机器检查 CUDA 是否生效；再关掉同机器上吃 CPU 的程序。模型越小速度越快，精度相应下降，按内容取舍。

专业词汇反复识别错怎么解决？在任务的 Initial prompt（初始提示词）里写上正确的写法，例如人名、产品名、术语各列一句示例，Whisper 转写时会向这个拼写靠拢，这是免费的纠偏手段。

查看器里音频放不出声音？播放依赖系统的 FFmpeg 组件，Linux 上先确认已安装 ffmpeg，再检查偏好设置中的播放设备选择是否正确。

适合谁用，下一步做什么

Buzz 适合需要离线、免费做语音转文字的场景：会议整理、访谈记录、字幕制作，以及不想把音频交给第三方的用户。建议先 clone 仓库用 Base 模型转一段自己的真实音频跑通全流程，再按内容类型回头调整模型大小与导出格式。

【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