OpenCV Python 图像基本操作详解：像素访问、图像属性、ROI、通道拆合与 copyMakeBorder 边界填充
2026/9/7 15:23:33
Buzz 离线语音转文字实操指南：三步跑通你的第一个转录任务
【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：音频的转录与翻译全部在你自己的电脑上完成，文件不出本机，免费且开源。它支持 99 种以上语言，适合整理会议纪要、给视频加字幕、批量处理录音等场景。这篇指南带你用最短路径装好它，并完成第一次转录。
快速上手：安装 Buzz 并运行第一个转录任务
第一步：下载。Windows 和 macOS 用户到官方发布页下载对应安装包即可；Linux 用户走包管理器：
flatpak install flathub io.github.chidiwilliams.Buzz这条命令从 Flathub 商店安装 Buzz，无需手动下载。也可以用 Snap：sudo snap install buzz，装完后执行sudo snap connect buzz:password-manager-service让它能保存 API 密钥。如果你习惯 Python 环境（建议 3.12，并先装好 ffmpeg）：
pip install buzz-captions python -m buzz前者从 PyPI 安装 Buzz，后者启动程序。
第二步：安装。Windows 的应用未签名，安装时弹出警告的话，点"更多信息"再点"仍要运行"即可；macOS 把 .dmg 里的图标拖进"应用程序"文件夹就完成。
第三步：跑通首个任务。启动后按顺序操作：
- 通过"文件"菜单或工具栏的"+"图标导入一个音频文件；
- 任务选"转录"，语言手动指定（比自动检测更稳，后面细说）；
- 选一个模型（新手建议 base 或 small），点"运行"；
- 状态变成"已完成"后，双击任务行打开查看器，边播放边核对，再导出 TXT、SRT 或 VTT 文件。
到这里，你的第一条离线转录就出活了。
视频字幕制作：词级时间戳与字幕文件导出
适用情况：手里有 MP4、MKV 等视频文件，需要挂字幕或剪辑用。
操作要点：直接导入视频，Buzz 会自动提取音轨。在高级设置里勾选"词级时间戳"，转录后每个词都有独立时间；然后使用"调整大小"功能，它按静音间隔和标点把词组合成符合阅读习惯的字幕行，还能限定每行最大长度。
产出结果：标准.srt或.vtt字幕文件，播放器、剪辑软件可以直接加载，不用再手工对时间轴。
批量转录：文件夹监视与重复结果复用
适用情况：会议录音、采访素材固定存放在某个目录，文件多、不想逐个点。
操作要点：在偏好设置里指定一个监视文件夹，Buzz 检测到新音频就自动建任务；同时启用"跳过已转录"插件——重复导入同一批文件时，它发现已有结果就直接复用，不重跑模型，任务标记为"跳过"。
产出结果：新文件进目录即出文本；重复文件零额外计算。不想开图形界面时，命令行也能批量干：
buzz add -t transcribe -s small --srt /path/to/你的音频.mp3这条命令指定转录任务、small 模型，输出 SRT 文件。
实时会议录音：麦克风录音与说话人区分
适用情况：会议、多人访谈、直播等需要边说边出字的场合。
操作要点：任务选"录音"，挑好麦克风，点"录音"即可边录边出文字。显示模式有三档：新句子追加在下方、追加在上方、"追加并校正"——最后一档会持续修正上一句的识别错误，最接近人工速记。多人场景下还能开启说话人识别，把不同人的话分开标注。
产出结果：实时滚动的转写文本，可以投到演示窗口的"大屏"给现场观众看；访谈结束后得到的就是分说话人的完整记录。
效率调优清单：GPU 加速、模型选择与参数设置
| 你的情况 | 做法 |
|---|---|
| 有显卡、想跑得快 | 后端切到 Whisper.cpp：Nvidia 自动走 CUDA，AMD/Intel 走 Vulkan |
| 显存紧张 | 选量化模型（如 q_5），或在偏好里开"降低 GPU 内存占用"（8 位量化） |
| 赶时间的草稿 | 用 base 或 small 控耗时；实时录音场景同样建议小模型 |
| 需要精校的终稿 | 换 medium 或 large，用时间换准确率 |
| 语言已知 | 手动指定语言，别依赖自动检测（它只看开头几秒音频） |
| 人名、产品名总拼错 | 高级设置里填"初始提示"，把易错词告诉模型 |
| 环境嘈杂 | 开"语音提取"，或启用 DeepFilterNet 插件先降噪再转 |
| CPU 转录想调线程 | 设环境变量BUZZ_WHISPERCPP_N_THREADS指定线程数 |
模型和后端在偏好设置里都能改，改完对后续任务立即生效：
常见问题排查：速度慢、下载慢怎么办
问：识别速度太慢？ 答：先换更小的模型，再确认显卡加速是否生效；纯 CPU 机器可上调BUZZ_WHISPERCPP_N_THREADS。
问：模型下载很慢？ 答：在国内网络环境把环境变量HF_ENDPOINT指向 hf-mirror.com 镜像源，下载速度会明显改善。
问：旧显卡上 GPU 模式反而更慢？ 答：设置BUZZ_FORCE_CPU=true强制走 CPU 模式，绕开兼容性拖累。
问：装好后打不开或报错？ 答：Linux 下大概率是缺系统依赖，用apt补装 ffmpeg 等库；仍无解可参考官方文档的故障章节。
收尾
Buzz 把"录音变文字"这件事做到了免费、离线、全程本地，隐私和成本问题一步到位。想继续深挖，可以看看这些入口：官方文档（安装、偏好、插件的完整说明）、buzz/transcriber/（转录核心模块源码）、buzz/plugins/（插件系统源码，内置降噪、跳过重复等功能都在这）。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考