Buzz 离线语音转录完全指南：从本地安装到批量自动化的实操教程-二趣网

Buzz 离线语音转录完全指南：从本地安装到批量自动化的实操教程

【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 的完全离线语音转录工具，所有识别与翻译都在你自己的电脑上完成——会议录音、采访音频、课程讲义都不会上传到任何服务器。它支持音频/视频文件、YouTube 链接、麦克风实时录音，能按说话人拆分对话，并把结果导出为 TXT、SRT、VTT 等格式。这篇指南带你从零开始：先装好、再转第一个文件，最后掌握文件夹监视、命令行和插件这些进阶玩法。

三步装好 Buzz：Windows、macOS 与 Linux

Buzz 覆盖了主流平台，安装方式按系统选择即可。

Windows / macOS

到官方分发渠道下载对应安装包（macOS 为.dmg文件，Intel 与 Apple Silicon 芯片均支持）。Windows 版未做代码签名，安装时系统会弹出安全提示，选择“更多信息” → “仍要运行”即可，这是正常现象。

Linux：Flatpak 或 Snap

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

Python 开发者：从 PyPI 安装

pip install buzz-captions python -m buzz

注意两点：需要 Python 3.12 环境，并提前装好 ffmpeg。如果你的 NVIDIA 显卡想跑 CUDA 加速，还要单独安装带 CUDA 支持的 torch 版本。

偏好设置的 Models 标签页：模型按 tiny 到 large 分级列出，支持下载、删除和导入自定义模型文件

转第一个文件：主界面操作与模型选择

打开 Buzz 后，点工具栏上的“+”导入音频或视频文件，也可以粘贴 YouTube 链接。任务列表会显示每一项的文件名、所用模型、任务类型（转写/翻译）和实时状态，多个任务可以排队并行处理。

主界面以表格列出待处理文件、模型档位、任务类型和完成状态

Whisper 模型档位怎么选

任务提交前可以指定模型档位（tiny / base / small / medium / large）和后端。档位越大准确率越高、速度越慢：

档位	适用场景
tiny / base	快速预览、低配置设备
small / medium	日常使用，速度与精度的平衡点
large	重要内容、专业术语多的音频

后端方面，Buzz 内置多种 Whisper 实现：标准 whisper、Whisper.cpp、faster-whisper，以及 Hugging Face 上的 Transformer 模型族；如果你实在不介意联网，也可以配置 OpenAI API。加速能力因后端而异——NVIDIA 显卡可用CUDA，Whisper.cpp 则支持Vulkan（多数独显和核显都能用），Mac 上直接吃满 Apple Silicon。

在偏好设置的 Models 标签页里可以统一下载、删除或导入自定义 ggml 模型文件。

查看与编辑转录结果：时间轴、搜索与导出

任务跑完后，双击该行进入转录查看器。每条文本都带精确的起止时间戳，左侧可以搜索定位、底部播放条支持拖动和倍速播放，方便边听边核对。

转录查看器按 Start / End / Text 三列展示结果，支持播放、变速和文本编辑

确认内容后，从 Export 菜单选择格式导出。Buzz 原生支持三种格式：

TXT：纯文本，交给文档编辑器继续加工
SRT：通用字幕格式，直接导入视频剪辑软件
VTT：Web 视频字幕格式

如果你已经让 Buzz 生成了翻译，导出菜单里同样提供 TXT / SRT / VTT 的翻译版本。

字幕整形：让 SRT 更好看

转出来的字幕经常一句太长或断得太碎。Resize 功能提供三种调节手段，都是针对字幕时长优化的：

按间隙合并（Merge by gap）：间隔小于设定秒数的短句自动合并
按标点分割（Split by punctuation）：在句末符号处切开长句
按最大长度限制（Split by max length）：超过字符上限的自动断行

Resize 选项面板：设定目标字幕长度，并可组合使用合并与分割规则

调好参数点 Merge，字幕就会重新切分，适合直接投给剪辑软件。

进阶玩法一：实时录音与多人对话

麦克风实时转录

Buzz 不只能处理文件，还能对着麦克风实时出字，适合会议、讲座和演示现场。界面上可配置模型、语言、麦克风设备和Delay（延迟缓冲）参数——延迟越长，引擎拿到完整句子越多，结果越稳。

实时录音设置面板：选择模型、语言、任务类型、麦克风并调整延迟

录音结束后，转录模式决定文字如何追加：

Append below：新句子加在末尾
Append above：新句子插到开头
Append and correct：追加的同时回头修正前面已识别的片段，长录音推荐使用

配合Presentation window（演示窗口），可以把实时文字投到另一块屏幕上，讲台上的人能实时看到自己的发言。

说话人识别

多人对话场景下，Buzz 支持在转录结果里识别并标记不同说话人，为每段话语打上说话人标签，导出后对话结构一目了然。相关功能实现在 buzz/widgets/transcription_viewer/speaker_identification_widget.py。对噪声较大的录音，还可以先跑语音分离再转录，提升分离效果。

进阶玩法二：文件夹监视、CLI 与插件

文件夹监视：放进来就自动转

在偏好设置里指定一个输入文件夹，Buzz 会盯着它——新音频文件一出现就自动开始转录，结果按模板命名后写回指定输出目录。模板支持{{ input_file_name }}、{{ task }}、{{ date_time }}等变量，一套配置长期复用。

偏好设置 General 标签页：可配置默认导出文件名模板、导出目录和实时录音模式

命令行：脚本化批量处理

Buzz 自带 CLI，一条命令即可完成“转写 + 导出 SRT/VTT”，方便接入自动化脚本：

buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt /path/to/video.mp4

完整参数（语言、提示词、词级时间戳等）见 docs/docs/cli.md。

插件系统：官方自带一批

Buzz 的 plugins/ 目录内置了若干实用插件：

AI 摘要：转录完成后调用兼容 OpenAI 的接口生成摘要，存到笔记或文本文件（参考实现见 plugins/ai_summary/）
Deep Filter Net：转录前降噪
增强语言检测
DOCX 导出
跳过已转录片段
转录整形（自动执行字幕 Resizing）

高频问题速查

转得太慢？换 tiny 或 base 档位；关掉抢占资源的后台程序；有显卡就开 CUDA（NVIDIA）或 Vulkan（Whisper.cpp），核显也能受益。

识别不准？三件事按优先级做：尽量在安静环境录制；手动指定音频语言而不是让引擎猜；重要内容直接上 medium 或 large 模型。专有名词、术语多的场合，在初始提示词里把关键词列出来，效果提升明显。

支持哪些格式？音频：MP3、WAV、M4A、OGG、OPUS、FLAC；视频：MP4、WebM、MOV、MKV、AVI、WMV——视频会自动提取音轨再转录。语言方面覆盖 99 种以上。

批量处理怎么办？三选一：文件夹监视全自动；把多个文件一次拖进任务队列；或用 CLI 写脚本循环处理。

企业官网建设流程全解析