企业官网建设流程全解析

Buzz 离线语音转文字完整指南：本地 Whisper 转录与翻译

【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应用，核心由 OpenAI Whisper 驱动。整个转录、翻译过程都在本机运行，录音文件不会离开你的电脑；模型只下载一次，之后存在本地缓存中，断网也能照常转录。

它解决什么问题

四类高频需求，Buzz 都能直接对应。

1. 不想把录音交给云端。会议、采访录音常有隐私要求。Buzz 的全部推理在本机执行，唯一联网动作是首次下载模型，之后可以完全离线。
2. 录音嘈杂、多人抢话。转写前开启"提取语音"（extract speech，先把人声从背景音里分离成独立音轨），Buzz 再对干净的人声做转录；专名术语多时，在高级设置的"初始提示"里写入这些词，可减少拼写错误；开启说话人识别后，每句话会自动标注发言人。
3. 现场就要出文字。实时录音面板选好转录设备和语言后开始记录，屏幕上逐句出字；需要投屏时打开"演示窗口"，实时稿可以放大给全场看；在偏好设置里开启实时转录导出，文本边转边写入本地 TXT，可直接接 OBS 等推流工具。
4. 视频、播客要挂字幕。导入时勾选"词级时间戳"（word-level timings，为每个词记录起止时刻），再用转录查看器的 Resize 工具设定单条字幕最大长度、是否按标点切分、每条字幕延长几秒。Buzz 会把词级转录重新组合成常规字幕，存成 SRT 或 VTT 即可导入剪辑软件。

选型速查：Whisper 后端与模型大小怎么选 ⚡

先定硬件，再选后端，最后选模型大小。

模型大小决定精度和体积的平衡：

从零到第一份结果：安装到 SRT 导出三步

三步出结果：安装 → 首次转录 → 导出。

第 1 步：安装，预计几分钟。macOS/Windows 装发行页的安装包即可；Windows 版未签名，首次启动选"更多信息 → 仍要运行"。Linux 或有 Python 环境的机器：

flatpak install flathub io.github.chidiwilliams.Buzz pip install buzz-captions

成功标志：主界面能打开，中间是任务列表。

第 2 步：新建任务，跑第一个模型，几分钟到几十分钟。新建一行选"转录"，手动指定语言（如 zh，别依赖自动检测），按上表选后端与模型。首次运行会下载模型，完成后缓存在本地：Linux 为~/.cache/Buzz，macOS 为~/Library/Caches/Buzz，Windows 为%USERPROFILE%\AppData\Local\Buzz，下次不再联网。

第 3 步：导入音频并导出，耗时视文件而定。拖入 MP3、WAV、FLAC、MP4，也接受在线链接，点运行。纯 CPU 笔记本上，30 分钟录音用 base/small 大约要十几到几十分钟；有 GPU 加速可压到几分钟内。状态变为"已完成"后双击该行打开转录查看器：可对照播放音频、搜索文本、调播放速度，保存为 TXT、SRT 或 VTT，第一份文字稿完成。

进阶与自动化：批量转录、文件夹监控与离线部署 🔧

批量、监控、离线三件事串起来，就是一条"文件进、文字稿出"的自动化链路。

CLI 批量转录。图形界面的选项在命令行基本都有对应参数，实现见 buzz/cli.py。一条命令处理整个目录：

buzz add -m whispercpp -s small -l zh --srt --vtt --txt --output-directory ./out --hide-gui ./input/*.mp3

--hide-gui让主窗口不出现、任务后台跑完，SRT/VTT/TXT 按指定目录落地，配合 shell 循环或 cron 就是定时管线。

文件夹监控。在偏好的 Folder Watch 页开启监控、选好目录与默认模型，新丢进文件夹的音频会自动排队转录；导出文件名支持模板变量（源文件名、任务、日期等），输出命名也统一了。

完全离线部署。转录本身不需要网络，唯一的联网动作是下载模型。scripts/download-models.py 就是为此准备的：在有网机器上备齐模型（可用BUZZ_MODEL_ROOT指定落盘目录），把整个缓存拷到断网机器，开箱即用。

常见问题

问：十分钟的录音跑了一个多小时，CPU 打满？ 答：默认 Whisper 实现慢且占内存。把后端换成 Whisper.cpp 是最有效的一招；NVIDIA 显卡显存到 6GB 可选 Faster Whisper。同时把模型降到 base 或 small，官方 FAQ 的建议与此一致。硬件实在跟不上时可用 OpenAI API 当远端后端，但那意味着放弃完全本地。

问：开头输出乱码、语言识别跑偏？ 答：自动检测只取开头几秒判断，静音、背景音乐、浓重口音都会让它误判。手动指定语言即可，双语内容选主要语言。

问：模型刚下完应用就崩溃或报错？ 答：多半是模型文件不完整。到 帮助 → 偏好设置 → 模型 里删除该模型重新下载即可。

问：Buzz 在老机器上完全起不来？ 答：Buzz 依赖 CPU 的 AVX2 指令集，很老的 x86 机器没有这个特性，只能换设备。

适用边界：Buzz 不适合谁

Buzz 不适合三类场景：要求"零校对"的交付——Whisper 仍会错专名、术语和重口音语音，交付前必须在查看器里人工修正；CPU 不支持 AVX2 的老机器，程序无法运行；上万小时量级的服务器级批处理，专用语音识别服务更合适。不确定自己机器行不行时，先做最小验证：装好后用 tiny 模型（约 75MB）转一段 5 分钟的录音，耗时和准确度能接受，再升级到 small 或更大的模型。

【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