企业官网建设流程全解析

Buzz 离线语音转录完整指南：Whisper 本地部署实战

【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

一份 1 小时的访谈录音，手动整理成文字可能要半天；传到在线平台，又拿不准数据交给别人是否妥当。Buzz 就是为这类需求设计的离线语音转录开源工具，它基于 OpenAI 的 Whisper 模型，把音频、视频乃至麦克风实时输入，全部在你自己的电脑上转成文字，全程不经过云端。

它解决什么问题

先看看没有它时，"音频变文字"常见的几种做法：

• 在线转录网站：拖文件即可用，但音频要上传到第三方服务器，会议、访谈、课程这类敏感内容很难放心；
• 手动听写：1 小时录音整理半天，还容易漏词；
• 自己调 Whisper：模型本身免费强大，但音频预处理、时间轴、说话人分离、字幕排版这些环节都得自己写代码。

Buzz 把 Whisper 的完整流程封装进了图形界面：文件丢进去，出来的就是带时间戳的文本，翻译、说话人分离、字幕合并一路做完。

3 分钟跑起来

最省事的路径是 pip 安装。先装好 ffmpeg，并在 Python 3.12 环境下执行：

pip install buzz-captions python -m buzz

不想折腾 Python 环境的话，官方提供 Windows 和 macOS 安装程序，Windows 上首次安装会提示"未签名"，点"更多信息 → 仍要运行"即可；Linux 用户可以用 Flatpak 或 Snap，例如：

flatpak install flathub io.github.chidiwilliams.Buzz

想跟最新开发版，也可以克隆源码安装：

git clone https://gitcode.com/GitHub_Trending/buz/buzz cd buzz && pip install -e .

首次启动时 Buzz 会自动下载默认模型（tiny，几十 MB）并缓存在本地，之后的转录不再依赖网络。主界面信息密度很低：顶部是导入、录音、设置入口，中间是任务队列。

主界面：任务队列在中间，导入与录音入口在顶部

能力清单：五件事它都干得了

1. 文件转录：拖进去，拿到字幕

支持 MP3、WAV、M4A、FLAC 等音频和 MP4、AVI、MOV 等视频，也可以直接粘贴 YouTube 链接。每个任务可单独选引擎、模型大小、语言和输出格式，输出提供 TXT、SRT、VTT 三种。在偏好设置里打开文件夹监视，指定一个目录后，往里面丢音频就会自动排队转录——批量处理不用动手。

2. 实时转录 🎙

在录音区选好任务、语言和麦克风，点 Record，边说边出文字。模式支持"追加并修正"，刚说过的内容会被后续识别结果不断纠正，说得越久越准。配合演示窗口，可以把字幕投到大屏上。

3. 翻译与说话人识别

建任务时把任务类型改为"翻译成英语"，直接得到英文转写；多人录音可开启说话人识别，文本里自动标注"Speaker 1 / Speaker 2"，整理访谈时特别省事。

4. 转录查看器：转完还能改

转写结果在内置查看器里打开：点击文字跳到对应播放位置、按关键词搜索、调播放速度；字幕段太碎或太长时，用调整器合并、拆分。

转录查看器：点哪句播哪句，段落可编辑

5. 插件系统

官方自带 5 个插件：AI 摘要、转录调整器、跳过已转录、DOCX 导出、增强语言检测。想自己扩展的话，继承插件基类、在管理器注册即可被识别，可参考插件管理源码和插件基类。

三个高频场景照做即可

场景一：给视频做一批字幕

1. 把 MP4 拖进 Buzz，任务选 Transcribe，输出格式选 SRT；
2. 等任务跑完，在导出目录拿到 SRT 文件；
3. 打开转录查看器，对断句别扭的地方用调整器合并或拆分；
4. 把 SRT 直接导入剪辑软件。

场景二：让文件夹当"接待处"

1. 在偏好设置里把监视目录指向一个固定文件夹；
2. 每天把新的访谈录音拷进去；
3. Buzz 自动检测、自动转录，文本落到导出目录。

再配上"跳过已转录"插件，重复文件也不会被二次处理。

场景三：会议演示实时字幕

1. 录音区选好麦克风和语言，点击 Record；
2. 打开演示窗口，投到第二块屏或投影仪；
3. 观众实时看到字幕，内容持续自我修正；会后直接复制终稿当纪要。

调优：引擎和模型两步选对

按硬件挑引擎

在模型偏好里切换引擎，首次使用会自动下载对应模型。

模型偏好：引擎、大小、加速选项都在这里切换

按需求挑模型大小

模型越大越准也越慢：tiny 最快，适合实时转录；small、medium 是准确率与速度的平衡点；large 精度最高但资源占用大。普通笔记本做实时转录，whisper.cpp 加 small 是常见搭配；重要内容再换 medium 或更大。

两个容易踩的点：有 NVIDIA GPU 的话，不用手动配 CUDA，在"帮助 → 关于 Buzz"里直接装加速组件即可；批量和自动化需求则看 CLI，buzz add [选项] <文件>一条命令就能建任务，参数覆盖任务类型、引擎、模型大小、语言，完整清单见 buzz/cli.py，转录任务的核心定义在 buzz/transcriber/transcriber.py。

横向对比：Buzz、在线服务与裸 Whisper 脚本

一句话概括取舍：内容敏感、量大、想省订阅费，本地路线更稳；Buzz 补齐了裸 Whisper 路线缺失的界面、队列、排版和识别这些"最后一公里"。

高频疑问速答

需要联网吗？不需要。只有首次下载模型、可选的 OpenAI API 翻译和 AI 摘要插件会用到网络，之后离线语音转录完全断网可用。

准确率高吗？取决于模型大小和音频质量。清晰录音配 small 及以上模型基本可直接使用；背景噪音大时，先开语音分离再转录效果更好。

没有 GPU 能跑吗？能。所有引擎都支持纯 CPU 运行；有集显时 whisper.cpp 的 Vulkan 加速可明显缩短处理时间，NVIDIA 独显走 CUDA 更快。

YouTube 链接能转录吗？可以，把链接贴进任务区，Buzz 会先取音频再转录。

怎么批量处理一个目录？配置文件夹监视即可，步骤见"场景二"。

写在最后

如果概括 Buzz 的价值：文件不用出机器、拖进去就出带时间戳的文本、实时和批量都覆盖——它就是离线语音转录领域完成度最高的开箱选择之一。现在就可以装一个跑第一份文件，晚上就能收获一批现成的字幕。

【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