企业官网建设流程全解析

Buzz 教程：如何在个人电脑上完成本地离线音频转文字

【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 是一款基于 OpenAI Whisper 的离线语音转文字工具，它把音频转文字的完整过程放在你自己的电脑本地完成：录音文件不需要经过任何云端服务器，断网状态下同样可以转录，隐私和稳定性都由自己掌控。无论是会议录音、课程讲义、采访素材还是播客内容，Buzz 都能把它们变成可编辑、可导出的文字稿件。本文会带你理清它的能力边界、从安装到导出文件的操作路径，以及模型选择和字幕调优等进阶技巧，适合刚接触语音转写的用户按图索骥。

真实场景拆解：本地语音转文字能覆盖哪些需求

Buzz 的定位很明确：把"声音变成文字"这件事搬到本地做。结合它实际支持的功能，它主要能应对这么几类情况：

• 会议与访谈整理：多人对话录音转成文字稿后，Buzz 内置的说话人识别功能可以区分不同发言人，方便回溯"谁在什么时候说了什么"。
• 视频字幕制作：对 MP4、MOV、MKV 等视频文件直接转录，输出 SRT 或 VTT 字幕文件，省去手动打时间轴。
• 课堂与讲座笔记：长音频批量转录，逐句带时间戳，后期检索定位比反复拖进度条快得多。
• 多语言素材处理：转录的同时可以指定源语言并翻译成目标语言，译文和原文逐段对应，适合处理外语播客或海外课程。
• 无网环境作业：所有模型和推理都在本机运行，出差、外勤、内网机器等没有网络的环境里照常可用。

从安装到拿到第一批文稿：完整操作路径

整个上手过程是连贯的一条线，先解决安装，再走一遍"导入 → 转录 → 导出"的主流程。

安装方面，Windows 和 macOS 用户可以直接下载安装包双击运行；Linux 用户可以用包管理器装：

flatpak install flathub io.github.chidiwilliams.Buzz # 或者 sudo snap install buzz

习惯用 Python 的话，也可以从 PyPI 安装（包名是buzz-captions）：

pip install buzz-captions python -m buzz

启动应用后，点击工具栏的 "+" 按钮，一次可以选中多个 MP3、WAV、FLAC、M4A、OGG、MP4 等音视频文件加入任务队列。每个任务可以单独指定模型和语言，之后按顺序自动处理，进度在任务表里实时可见。

转完的任务双击打开就是文稿查看器：左右分栏对应音频播放和文字内容，点任意一句会跳到对应时间点，边听边校对。需要导出时，在导出菜单里选目标格式（TXT 纯文本、SRT 字幕、VTT 网页字幕），如果之前做过翻译，译文也能单独导出。到这里，从文件到可用文稿的整条链路就走通了。

进阶玩法：模型、字幕与实时转写

按硬件选模型：速度、精度与运行方式

Buzz 内置了多种 Whisper 运行方案：标准 Whisper、带 GPU 加速的 Whisper.cpp、面向多语言小模型（MMS）的 Transformers 方案，以及调用 OpenAI 接口的 API 方式（这一种需要联网和密钥，是唯一的非本地选项）。模型体积上从 tiny 到 large 分档：小模型快但精度一般，适合先出草稿；大模型慢一些但更稳，适合正式交付的内容。如果你的机器有独立显卡，可以在偏好设置的模型面板里指定 GPU 运行时，大文件转录的时间能明显缩短。模型文件首次使用需要下载，应用内有下载进度提示，下载完成后同样可以离线使用。

字幕调优：合并与拆分一步到位

Whisper 原始输出的分句经常偏碎或偏长，直接做字幕不好看。Buzz 的字幕调整功能可以按规则自动重写切分：设置每行最大字符数、最短显示时长，遇到换行处或标点自动断开，短句之间如果间隔太小就合并。调好参数点应用，整条字幕重新切分，再导出 SRT 就能直接进剪辑软件。

实时转写：让麦克风替你记录

除了处理现成的文件，Buzz 还支持对着麦克风实时转录：选好模型、语言和输入设备，点击录音按钮，软件边录边出字，适合现场速记、直播字幕和临时会议记录。实时模式对算力要求更高，如果出字偏慢，可以换更小的模型，或者在设置里调整延迟参数换取实时性。录完的实时内容也会像文件任务一样进入文稿查看器，可以校对后导出。

效率技巧与常见坑点一次讲清

• 先定语言再转录：在任务里明确指定源语言，可以避免 Whisper 自动探测翻车，专有名词和同音词错得会少很多。
• 批量排队比逐个跑省心：把一批文件全拖进队列后让它顺序执行，去处理别的事，回来就是全文字稿。
• 草稿用小模型，定稿换大模型：先用 tiny 或 small 快速过一遍定位要修的段落，再对重点内容用大模型精转，整体更省时间。
• 嘈杂环境别指望小模型：背景音、混响明显的录音直接上大模型，否则错词率会肉眼可见地高。
• 文件夹监听可以当后台入口：偏好里开启文件夹监听后，把文件丢进指定目录就自动进入转录队列，适合流水线式工作。
• 翻译在转录之后做：先转原文再翻译成目标语言，比一开始就设翻译任务更可控，原文改错了译文也可以单独重跑。
• 显卡记得确认生效：装了 CUDA 后仍觉得慢，可以检查模型偏好里是否真的选中了 GPU 运行时，而不是停留在 CPU 方案。
• 长视频注意内存：几小时的音视频文件转录时内存占用不低，机器配置一般的话先按段落切开再转更稳。

高频问题速答

完全断网能用吗？可以，除 OpenAI API 方案外，所有模型都在本地推理，下载完模型后不需要网络。

支持哪些文件格式？常见音频如 MP3、WAV、FLAC、M4A、OGG，以及 MP4、MOV、MKV、AVI、WMV 等视频文件都可以。

能导出哪些格式？原文或译文都可以导出为 TXT、SRT、VTT 三种格式。

实时转写和文件转录是一回事吗？不是，实时转写是麦克风边录边出字，文件转录是处理已有的音视频文件，两者共用同一套模型。

转出来的文字能改吗？可以，文稿查看器支持逐句编辑，改完再导出即可。

没有显卡会慢很多吗？会，CPU 模式下大模型耗时明显更长，小模型在纯 CPU 环境依然可用。

写在最后

Buzz 把离线语音转文字做成了一件门槛很低的事：装上、拖文件、点开始，文稿和字幕就在本地生成。对在意数据去向、又需要频繁处理音视频文字化的用户来说，这套完全在本机跑完的流程值得放进日常工具链。更多细节可以参考 docs/ 里的官方文档；如果想深入看实现，转录核心在 buzz/transcriber/，界面相关代码在 buzz/widgets/，都是现成的参考材料。

【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