企业官网建设流程全解析

如何用 Buzz 做离线语音转文字：音频到字幕三步搞定，本地转录完整指南

【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 是一款免费开源的离线语音转文字桌面工具。它用 OpenAI Whisper 模型在你自己的电脑上把音频、视频转成文字并翻译，全程不上传任何音频，适合需要会议记录、视频字幕制作和敏感内容整理的用户。它支持近百种语言、多种 Whisper 后端，MIT 许可证。

🚀 最短路径：三步拿到转录结果

先拿安装包。macOS 下载 .dmg，Windows 下载安装程序（安装包未签名，安装时弹出安全提示属正常现象，选"更多信息"→"仍要运行"即可）。Linux 用户一条命令：

flatpak install flathub io.github.chidiwilliams.Buzz

习惯命令行的话用 pip 装。前提是机器上已装好 ffmpeg，Python 版本按 README 要求准备：

pip install buzz-captions python -m buzz

打开主界面后三步走：导入音频或视频（也可以直接粘贴一个 URL），在任务列表里选好模型、语言和任务，点"运行"。

只想出文件、不看界面的话，一行命令搞定：

buzz add --srt --vtt --language zh meeting.mp3

这条命令用默认的 Whisper 后端、默认的 tiny 模型（最小、最快），把 meeting.mp3 按中文转写，在文件旁边同时生成 SRT 和 VTT 字幕。末尾可以跟多个文件（1.4.6 起支持一次传多个），也可以加--hide-gui把主窗口完全藏起来。

📝 如何把会议录音转成文字

场景：手里有一段访谈录音或一小时会议音频，想要一份可编辑的文本记录。

导入文件，在任务表格中为它选好模型、语言，运行。每个文件的状态都在表里：排队中、进行到百分之几、用时多少，一目了然。

几个值得知道的细节：

• 模型大小决定速度与准确率的平衡。机器慢就用 tiny 或 base 先出结果，在意准确率再上 medium 以上。
• 语言确定就指定（如zh），不确定就留空让它自动检测。
• 转录完成后双击任务进入转录查看器，支持搜索、播放和调速回放。
• 要批量处理，设置"监视文件夹"：新文件落进某个目录，Buzz 自动建任务并转录。入口在偏好设置的 Folder Watch 选项卡。

🎬 如何给视频生成字幕并调整时长

场景：做教程视频，要一份能直接导入剪辑软件的字幕文件。

导入视频文件即可，Buzz 自动抽取音轨，不用自己转格式。任务选"转录"，按机器性能选 small 或 medium 模型，运行。完成后打开转录查看器核对：表格每一行带起止时间戳，点一行就播放对应音频片段。

字幕行太长、不适合上屏时，打开 Resize 功能：把间隔小于 0.2 秒的短句合并成一行、按标点断开、限制每行最大长度，默认值通常够用，点 Merge 就完事。导出 SRT 或 VTT 直接进剪辑软件。需要更精细的对齐时，在高级设置里打开"字级时间戳"，每个词都有独立时间点。

🎙️ 如何实时转录讲座并区分发言人

场景：现场活动或授课，要文字实时出现，还要分清是谁说的。

切换到"实时录音"模式，选好麦克风，按下录音。Buzz 边听边转，每隔几秒吐出一段文字。现场演示可以弹出演示窗口，把实时文字投到大屏上，字号可调。

多人对话可以再做说话人识别：在查看器里点"Identify speakers"，MSDD 模型会自动把句子聚成不同说话人，已知人数时也可以手动指定数量。识别结果可试听每人的 10 秒片段确认音色，再把标签改成真名保存。注意说话人识别在 Intel macOS 上不可用。

环境嘈杂的录音，转录前勾选"提取语音"（命令行参数是--extract-speech），先把人声从背景噪声里分离出来，准确率会好一截。

常见坑速查

问：转录太慢，怎么提速？先换小模型（tiny/base）；再换 Whisper.cpp 后端——它是 C++ 实现，Vulkan 加速覆盖包括核显在内的大多数显卡。Nvidia 独显且有 6GB 以上显存的机器，用 Faster Whisper，比原版实现快一个数量级。

问：large 系模型那么多版本，怎么选？Large-V2 准确率稳定；Large-V3 最新、多数场景最好，但偶尔会"脑补"音频里没有的词；Turbo 偏速度准确率平衡。名字带 .En 的模型只认英文。没有标准答案，用自己语言的音频各试一遍最可靠。

问：专业名词、人名总认错？两招：在高级设置里填"初始提示"（一段带领域上下文的文字，把常用术语写进去）；语言已知就手动指定，别依赖自动检测。

问：机器完全没网，能用吗？能。在有网的机器上下载好模型，把模型文件夹整个拷到离线机的同一位置（Linux 是~/.cache/Buzz）即可，模型位置在偏好设置的 Models 页点"Show file location"就能看到。

问：Windows 安装提示安全警告 / 录音没声音？未签名的警告是正常现象（更多信息 → 仍要运行）。录音没声音多半是系统隐私设置挡住了 Buzz 的麦克风权限；另外 CPU 需要支持 AVX2，太老的机器跑不了。

🔍 技术底座大白话：架构与扩展入口

一句话概括：PyQt6 桌面应用 + 本地 SQLite 数据库 + 可插拔的转录后端。

• 数据层：转录历史和设置全存在本地 SQLite，实体定义与数据访问在 buzz/db/。
• 后端层：Whisper、Whisper.cpp、Faster Whisper、Hugging Face、OpenAI API 五种后端在 buzz/transcriber/ 目录里各占一个文件，接新后端从这里入手最清楚。
• 插件层：一个插件就是一个文件夹，plugin.py 里定义一个BuzzPlugin子类，挂进"转录前/转录后"钩子。内置了 AI 摘要、DOCX 导出、字幕自动调整等，见 buzz/plugins/。
• 命令行全参数：docs/docs/cli.md 列了完整选项和示例。

📚 去哪找更多资料

官方文档 docs/docs/ 目录按场景组织（文件导入、实时录音、翻译、编辑调整、说话人识别、查看器、插件），卡住时按场景翻对应一篇。模型选择、GPU 加速、离线使用这些高频问题在 FAQ 里都写得很细。遇到 bug 或有改进想法，直接去项目 Issues 页提交，维护者更新频率很高。

【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