企业官网建设流程全解析

Buzz 离线语音转文字完整指南：3个场景搞定音频转文字

【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 是一款开源的离线语音转文字工具，基于 OpenAI Whisper 模型，把转录与翻译全部放在你本机完成，支持文件导入、麦克风实时录音和 TXT、SRT、VTT 等格式导出。本文按三个典型场景走通完整流程。

📦 安装 Buzz：Windows、Mac、Linux 各走一条路

按你的系统选一条路：

• macOS：下载.dmg安装包直接装。
• Windows：下载安装包；应用未签名，首次运行会有警告，选"更多信息" → "仍要运行"即可。
• Linux：走 Flatpak 或 Snap。
• PyPI：需要 Python 3.12 并预装 ffmpeg，执行pip install buzz-captions后用python -m buzz启动。

首次运行要下载 Whisper 模型。若目标机器完全离线，可把联网机器上的models目录（Linux 默认在~/.cache/Buzz）复制到离线机器相同位置，仓库里的 scripts/download-models.py 就是为准备离线模型缓存写的。

flatpak install flathub io.github.chidiwilliams.Buzz # 或 Snap： sudo snap install buzz

🎧 场景一：把采访录音批量转成文字

Buzz 主界面是任务列表：每个音频占一行，显示状态、所用模型和导出路径。

第一次转录的三步操作

1. 菜单"文件 → 导入媒体文件"，或按Ctrl/Cmd + O，选择 MP3、WAV、MP4 等文件。
2. 选任务（转录或翻译成英文）、语言和模型，点"运行"。
3. 状态变为 Completed 后双击该行，打开转录查看器。

右侧选项里还能设置导出格式（TXT/SRT/VTT）、开启Word-Level Timings生成逐字时间戳，或勾选Extract speech先抽取人声再转录，提升嘈杂录音的准确率。

模型尺寸与后端怎么选

尺寸从 tiny 到 large：越小越快、误差越多，日常用small起步通常够用。后端按硬件选：

• Whisper：官方实现，准确但慢、吃内存。
• Whisper.cpp：C++ 实现，独立显卡、核显甚至纯 CPU 都能跑。
• Faster Whisper：需要 6GB 以上显存的 Nvidia 显卡。
• HuggingFace：支持自定义模型和 MMS 多语言模型家族。

另外两个细节：高级设置里的Initial prompt可填入容易拼错的人名、术语，减少专名词误识别；已知语种时手动指定语言，比自动检测更稳。

🎤 场景二：讲座或会议的实时转录

切到录音界面，选好任务、语言、模型和麦克风，点Record即开始，文字随讲话滚动输出。转录模式有三种：追加在下方、追加在上方、追加并纠正（持续修正上一句尾部，负载更高）。

做现场活动时可打开演示窗口，把实时文字用大字号投到第二块屏幕。实时转录还能把文本文件持续导出，方便接进 OBS 等直播工具。

两条经验提示：

• 实时转录负载大，优先Whisper.cpp加小模型（base 及以下）。
• 环境嘈杂时调高静音阈值，低于阈值的声音直接不转。

🎬 场景三：把转录稿变成能用的字幕

转录查看器支持搜索、播放和倍速调整，可以边听音频边逐段核对、修改边界。

字幕分段调整

原始分段对字幕来说往往太长。Resize 功能把词级分片重新组合成字幕长度的段落：按标点拆句、按静音间隔合并、限定单条字幕最大长度。前提是转录时开启了词级时间戳。

🧩 用插件扩展转录流水线

1.4.5 起内置插件系统：菜单Help → Plugins里可启用/停用、拖拽调整执行顺序。自带的几个覆盖了常见需求：

• AI Summary：转录后用 OpenAI 兼容 API 生成摘要。
• DeepFilterNet：转录前先去除背景噪音。
• Enhanced Language Detection：对未知语种文件自动检测语言。
• Skip Already Transcribed：同目录已有.srt/.txt的文件直接跳过。
• Export to DOCX：一键导出 Word 文档。

插件源码在 buzz/plugins/ 目录，读它的结构就能照着写自己的插件。

⌨️ 命令行与文件夹监控的批量自动化

文件多时用buzz add命令行：

buzz add --task transcribe --model-type whispercpp --model-size small \ --prompt "录音中常出现 AlphaGo 这个词" --srt --vtt interview.mp3

加--hide-gui可隐藏主窗口后台运行；完整参数说明见 docs/docs/cli.md。整目录批处理可以写个循环：

for f in *.mp3; do buzz add --hide-gui "$f"; done

偏好在 Folder Watch 选项卡里还能设监控目录：放入的音频自动排队转录，配合跳过插件就不会重复跑。

⚡ 速度不够时先做这 3 件事

1. 换小一号的模型或改用 Whisper.cpp 后端；显存紧张时选q_5这类量化版本。
2. 设置环境变量BUZZ_WHISPERCPP_N_THREADS调线程数：16 线程笔记本设为8约有 15% 提速，设得再高反而变慢。
3. 老显卡比 CPU 还慢或有兼容问题，设BUZZ_FORCE_CPU=true强制 CPU；显存不够用BUZZ_REDUCE_GPU_MEMORY=true做 8bit 量化。

另外注意：Buzz 要求 CPU 支持 AVX2，非常老的机器跑不起来。

下一步行动

1. 按你的系统装好 Buzz，挑一段短音频完成第一次转录。
2. 下载与硬件匹配的模型，试一次实时录音并打开演示窗口。
3. 文件量大时，把 CLI 循环命令和文件夹监控配好，让机器自己跑。

【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