企业官网建设流程全解析

Buzz 离线语音转文字完整指南：免费把音频视频转成带时间戳的字幕

【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

Buzz 是一款开源（MIT 协议）的桌面语音转文字工具，把 OpenAI 的 Whisper 模型装在本机运行，离线转录并翻译音频、视频与 YouTube 链接，结果可导出 TXT、SRT、VTT。转录不收取费用，不需要调用 API，模型下载完成后断网也能工作。

30 秒决策：谁该用 Buzz

Buzz 适合内容不能出机器、或需要字幕文件的本地转写需求；不适合没有本地硬件、也不愿安装任何软件的场景。

适合：

• 会议、采访录音，需要可交付的文稿或说话人标注
• 视频制作，产出 SRT/VTT 字幕
• 大量录音的批处理，用命令行或文件夹监控跑队列
• 外语材料转写并翻译

不适合：

• 不支持 AVX2 的老旧 CPU，Buzz 无法运行
• 只有一台云资源、无本地硬件，或不愿下载模型文件（应改用云端转写 API）

五分钟跑通：安装与首次转写

从安装到第一份文稿是一条直线动线：选装法、丢入文件、看结果。

1. 选装法（按系统取一行）：
   • Windows：从 SourceForge 发行页下载安装包，安装出现警告时选「More info → Run anyway」（程序未签名）
   • macOS：下载 .dmg 拖入应用程序，仅支持 Apple Silicon（Intel Mac 最高使用 1.4.5 版本）
   • Linux (Flatpak)：flatpak install flathub io.github.chidiwilliams.Buzz
   • Linux (Snap)：先执行 sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module，再执行 sudo snap install buzz
   • Python 环境：Python 3.12 并装好 ffmpeg 后，执行 pip install buzz-captions，用 python -m buzz 启动
2. 首次启动按提示下载所选模型（几十 MB 到两百多 MB，一次性投入），之后所有转写纯本地完成。
3. 导入素材：File 菜单的 Import Media File，或 Ctrl/Cmd+O，选择音频/视频文件，也可直接粘贴 YouTube 链接。
4. 为任务选择 Task（Transcribe/Translate）、语言、模型与导出格式，点 Run。
5. 状态变为 Completed 后，双击该行进入转录详情页。

先定交付标准，再定参数

档位由「文字是否要交付」决定，引擎由「机器有什么硬件」决定。

模型档位：

large 家族还有 Large-V2、Large-V3、Turbo 等变体：V3 多数情况下最准，但偶尔会生成音频中不存在的词；最终选型建议用自己的语言实测一遍。

引擎选择逻辑：

• 没有 NVIDIA GPU 或 Mac 用户：选 Whisper.cpp，可跑在任意 GPU 或纯 CPU 上，也适合实时转录
• 有 NVIDIA GPU 且显存 6GB 以上：选 Faster Whisper，比默认 Whisper 快很多
• 需要特定语言的定制模型（Parakeet、Qwen3-ASR、MMS 等）：选 HuggingFace
• 默认 Whisper 实现准确但慢、吃内存，作为兜底

硬件加速：1.4.6 及以上版本在 NVIDIA GPU 上通过 Help → About Buzz → Install CUDA Acceleration 安装；Mac 直接走 Apple Silicon；GPU 表现慢于 CPU 时可设 BUZZ_FORCE_CPU=true 强制 CPU。

三个高频工作流：会议文稿、视频字幕、外语翻译

最常用的三类需求各自对应三步动线。

工作流一：会议录音出文稿

场景：一小时采访录音，要一份可校对的纯文本。

1. 导入音频，任务选 Transcribe，指定语言，模型选 small 及以上。
2. 完成后双击任务进详情页，边听边改错。
3. 导出 TXT。

得到：带段落时间戳的文稿，导出文件名模板可在 Preferences 里自定义。

工作流二：视频素材产字幕

场景：二十分钟讲解视频，要 SRT 直接进剪辑软件。

1. 导入视频或粘贴链接，勾选 Word-Level Timings，导出格式选 SRT。
2. 完成后用 Resize 设置字幕最大长度，勾选按标点断句与按静音合并，一次作用于全文件。
3. 导出 SRT 或 VTT。

得到：长度均匀、断点自然的字幕文件，不用逐条手改。

工作流三：外语材料翻译

场景：法语采访，要一份英文稿。

1. 任务选 Translate，默认经 Whisper 译为英文（Large-V3-Turbo 不适用该标准）。
2. 目标语言非英文时改用 AI 翻译：在 Preferences 配置 OpenAI 兼容 API 的 key 与翻译指令，1 小时音频约 $1。
3. 分别导出原文稿与译文。

得到：同一任务下原文与译文并存，各自导出。

让产出物能交付：校对、字幕调整、导出格式

从原始转录到可交付文件，走三步：校对、Resize、选格式。

校对：详情页是按段的时间戳表格，点某行音频跳到该处，播放时直接改文本并自动保存；Ctrl+← / Ctrl+→ 以 0.5 秒步进调整段落起止时间，Ctrl+F 搜索，播放速度 0.5x 到 2.0x 可调，支持循环播放与跟随音频滚动。需要说话人归属时，用 Identify speakers 功能：MSDD 可指定说话人数量或 Auto，Sortformer 自动检测；识别结果可试听 10 秒、改名为真实姓名，并把同一说话人的连续句合并。

字幕调整：需导入时开启 Word-Level Timings。可设字幕最大长度、按标点断句、按静音间隙合并；源音频仍在磁盘时会分析静音分布以提升准确率；1.4.3 起还支持给每段末尾追加显示时长。

导出格式选择：TXT 用于笔记与文稿，SRT 用于视频字幕，VTT 用于网络视频，转录查看器还支持 JSON 等格式。

无人值守与自动化：CLI、目录监控、插件

批量与脚本化需求由命令行、目录监控和插件三件套覆盖。

命令行：buzz add [options] [file url file...]一条命令提交任务。常用参数：-t任务（translate/transcribe）、-m引擎（whisper、whispercpp、huggingface、fasterwhisper、openaiapi）、-s模型大小、-l语言、--srt/--vtt/--txt导出格式、-d输出目录、-w词级时间戳、--hide-gui隐藏窗口。1.4.6 起支持一次传入多个文件顺序处理，--identify-speakers、--speaker-count等说话人选项同版本加入。示例：buzz add --srt --output-directory ./subtitles recordings/*.mp4。完整参数见 CLI 文档。

目录监控：在 Preferences 的 Watch Folder 中启用，设定输入与输出文件夹，新文件自动开始转录，结果写入输出文件夹，可选「Delete processed files」（删除后无法回放音频）。

插件（1.4.5 起）：Help → Plugins 中启用/停用、拖拽排序、配置参数，Add by URL 粘贴 .zip 链接安装社区插件。内置五个：AI Summary、Enhanced Language Detection、Export to DOCX、Resize Transcript、Skip Already Transcribed（重复导入同一文件夹时避免重复转录）。源码见 buzz/plugins/。

避坑问答：现象、原因、解法

高频问题都能按「现象 → 原因 → 解法」定位。

现象：转录太慢。原因：模型档位过高、没有硬件加速或并行任务太多。解法：先降一档模型，或换 Whisper.cpp / Faster Whisper；NVIDIA GPU 安装 CUDA 加速；减少同时排队的任务数。

现象：识别不准。原因：录音噪音大、模型偏小、未指定语言。解法：手动指定语言（多数情况下提升质量），开启 Extract speech 先提取人声，或换更大的模型重跑。

现象：Buzz 崩溃。原因：模型下载不完整或损坏。解法：在 Preferences → Models 删除模型后重新下载；仍不行则 Help → About Buzz → Show logs 查看日志并反馈。

现象：机器无网络，模型下不了。解法：在联网机器下载模型，把模型文件夹拷贝到目标机器相同位置：Linux 为~/.cache/Buzz，macOS 为~/Library/Caches/Buzz，Windows 为%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache。

现象：无法启动。原因：CPU 不支持 AVX2，较老的电脑不在支持范围内。

收尾

Buzz 把转写这一环节放回本地机器：模型费用一次性，转录本身免费，内容不出门。先定交付标准再选档位与引擎，转录就从一次性的手工活变成可以脚本化的批量工序。

【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