Buzz 本地转录：从音频文件到可导出字幕的 5 步流程

Buzz 本地转录：从音频文件到可导出字幕的 5 步流程

【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 的本地音频转录工具，在你自己的电脑上完成语音转文字和翻译，音频文件不需要上传到任何服务器。适合处理会议录音、采访素材这类不方便交给在线服务的内容。下面按你实际操作 Buzz 本地转录的顺序，走一遍从安装到导出字幕的完整路径。

装好 Buzz 并完成首次启动

本章解决"把工具跑起来"的问题。

1. 选择一种安装方式：
   • pip 安装（跨平台通用）：先装好 ffmpeg 和 Python 3.12，然后执行：

     pip install buzz-captions python -m buzz

   • macOS / Windows：从 SourceForge 的 buzz-captions 项目页下载 .dmg 或安装包。Windows 版未签名，安装时选"更多信息 → 仍要运行"即可。
   • Linux：flatpak install flathub io.github.chidiwilliams.Buzz，或sudo snap install buzz（详见 安装文档）。
   • 从源码：git clone https://gitcode.com/GitHub_Trending/buz/buzz后按仓库 pyproject.toml 的说明构建，适合需要最新功能的用户。
2. 首次启动会提示下载 Whisper 模型，网络不佳时可稍后在偏好设置里补下。
3. 确认主界面出现空的任务列表、工具栏的"+"按钮和左侧的转录设置面板，即代表环境就绪。

⚠️ GPU 用户注意：pip 安装的版本如需 Nvidia CUDA 加速，需额外安装对应版本的 torch，参考 README 的 GPU 说明；Mac 的 Apple Silicon 和多数 GPU 的 Vulkan 加速由 Whisper.cpp 后端原生支持。

第一次转录：导入文件并跑完一个任务

本章解决"拿到第一个转录结果"的问题，这是最小可用流程。

1. 点击工具栏的"+"按钮（或按Ctrl+O）→ 选择一个音频或视频文件，也支持直接粘贴 URL 导入网络视频。
2. 在左侧设置区做三个选择：
   • Task：Transcribe（转成原语言文本）或Translate to English（直接翻译成英文）；
   • Language：建议手动指定语言，自动检测在方言或混合语境下容易跑偏；
   • Model：先用默认即可，模型取舍下一节再讲。
3. 点击Run。任务进入队列，状态变为Completed即结束。
4. 双击该任务行（或选中后点"⤢"图标）打开转录查看器，左侧播放音频、右侧逐段对照文本，确认结果。

两个省时间的选项藏在任务行的Advanced...按钮里：

• Initial prompt：把容易听错的专有名词（人名、产品名）写进去，能显著减少同音误写；
• Word-Level Timings：生成单词级时间戳，为后面按标点重切字幕做准备。

批量转录与命令行自动化

文件多起来之后，逐个点"Run"不现实。这一章给出三种批处理方式，由轻到重。

1. GUI 多选：在文件选择对话框里按住Ctrl选多个文件，一次性加入队列，每个任务可以独立设置模型和语言。
2. Folder Watch 自动转录：打开偏好设置（Ctrl+,）→ Folder Watch 选项卡，指定一个目录，之后新放进该目录的音频会自动开始转录。适合"录完往文件夹一扔就走"的工作流，配置细节见 偏好设置文档。
3. CLI 无界面模式：Buzz 自带命令行入口buzz add，关键参数（完整列表见 CLI 文档）：

   buzz add -m whispercpp -s small -l zh \ --srt --txt --hide-gui \ ~/recordings/meeting.mp3

   -m选后端（whisper / whispercpp / fasterwhisper 等），-s选模型大小，-l指定语言，--srt --txt指定导出格式，--hide-gui让任务后台跑完自动退出。把这条命令写进 shell 循环或 cron，就是一个定时批处理管道。

提示：CLI 里不指定-l时默认自动检测语言；--word-timestamps可在命令行直接开启单词级时间戳。

选模型：在速度与准确率之间取舍

转录质量最终由模型决定。这一章解决"该装哪个模型、参数怎么配"的问题。

1. 打开偏好设置（Ctrl+,）→Models选项卡，这里统一管理所有模型的下载和删除。
2. 按这个思路选：
   • tiny / base：速度快、内存占用低，实时录音、嘈杂初筛、长音频快速出草稿；
   • small / medium：准确率明显提升，是多数场景的平衡点；
   • large：最准但最慢，留给需要交付级的内容。
3. 想要更快，换后端：Whisper.cpp支持 CPU、Nvidia CUDA 和 Vulkan（含核显），实时录音场景官方文档也建议用它；Faster Whisper和Hugging Face系模型走 GPU 路线；OpenAI API后端则适合不想吃本地算力的场景。
4. 显存紧张时，在模型大小里选量化版本（如q5之类），或用 Custom 选项粘贴社区模型的 .bin 下载地址；偏好设置里还有"Reduce GPU RAM"开关进一步压缩显存占用。

经验值：日常保留 tiny + medium 两个模型足够覆盖"快速草稿"和"认真转录"两种需求；长音频先用小模型出全稿，再只把关键段落换大模型重跑，比整体上大模型省时间得多。

转录精修与字幕导出

转录结果很少能直接交付，这一章把结果变成可用的文本或字幕文件。

1. 双击任务行打开转录查看器，直接点击文本单元格即可修改文字；
2. 用Ctrl+←/→按 0.5 秒步进调整片段起止时间，Ctrl+Shift+←/→调整结束时间，配合Ctrl+F搜索定位问题段落；
3. 点击工具栏Resize重排字幕：设置单条字幕最大长度、是否按标点断句，开启 Word-Level Timings 的转录还能分析音频静音点来对齐切分位置，另可给每条字幕加延长显示时间；
4. 导出：工具栏Export菜单支持 SRT、VTT、TXT、JSON 等格式，文件名可用偏好设置里的模板（含日期、任务名等变量）统一命名；
5. 锦上添花的插件：AI Summary 生成会议摘要、Speaker Identification 区分说话人、Transcript Resizer 自动重排字幕，都在Plugins菜单里启用，见 插件说明。

字幕排版上有个通用底线：单行不超过 40 个字符、每条字幕至少留 0.5 秒显示余量，导出前用 Resize 过一遍再交付。

到这里，Buzz 本地转录的完整链路就闭环了：装好应用 → 导入文件出结果 → 用 CLI 或 Folder Watch 上量 → 用模型参数调质量 → 用查看器和 Resize 精修导出。下一步建议：拿一段真实会议录音完整走一遍第二、五章的流程，重点试一次"word-level timings + Resize"的组合，这是产出可用字幕最顺的路径。

【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