Buzz 完整教程：如何在电脑上零基础搭好离线语音转文字工具，把音频转成文字
【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 是一款开源的离线语音转文字应用，它在你自己的电脑上调用 OpenAI 的 Whisper 模型（一个把语音转成文字的深度学习模型）完成音频转录和翻译，全程不需要把录音上传到任何服务器。它适合两类人：一是手里有大量会议、课程、采访录音，需要批量转成文字或字幕的人；二是处理内容敏感、绝不能联网上传的隐私场景。本教程从确认电脑能不能跑，到安装、第一次转录、调模型提速，再到排错，一条线讲完。
📋 先确认：Buzz 适不适合你的场景
选型前先看结论，避免装完才发现用不上：
| 你的情况 | 结论 | 说明 |
|---|---|---|
| 音频必须留在本机或内网 | ✅ 正合适 | 转录在本地完成，模型下载后即可离线工作 |
| 会议录音、课程、播客批量转文字 | ✅ 正合适 | 支持队列任务、文件夹监控自动转录 |
| 给视频做 SRT / VTT 字幕 | ✅ 正合适 | 转录结果可直接导出字幕格式，还能按词重新切分 |
| 想要"秒级"跟读式的实时转录 | ⚠️ 有门槛 | 实时录音比较吃资源，需要用 Whisper.cpp 后端加小模型，硬件弱会追不上 |
| 只有老旧笔记本（不支持 AVX2 指令集） | ❌ 跑不了 | Buzz 依赖 AVX2，太老的 CPU 直接排除 |
| 完全离线的内网机器 | ⚠️ 可以但要准备 | 模型文件要先在联网机器下载好，再拷贝过去（见离线准备脚本） |
系统要求不苛刻：Windows 10+、macOS（Intel 与 Apple Silicon 均可）、主流 Linux 发行版；普通双核 CPU 能跑小模型，8GB 内存以上体验更稳。模型文件的位置是固定的，Windows 在%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache，macOS 在~/Library/Caches/Buzz，Linux 在~/.cache/Buzz，管理空间时心里有数。
🚀 装好并跑起来：三个平台各一条推荐路线
每个平台只走一条最省事的路，装完启动看到主界面就算成功。
Windows：从官方发布页下载.exe安装文件直接安装。应用没有做代码签名，安装时系统会弹安全警告，点"更多信息"再选"仍要运行"即可，这不是中病毒。安装包自带 CUDA 12 支持，N 卡用户无需额外配置。
macOS：下载.dmg后拖进"应用程序"文件夹，Apple Silicon 和 Intel 版都有。
Linux：一条 Flatpak 命令：
flatpak install flathub io.github.chidiwilliams.Buzz备选路线（一行流）：Linux 也可以sudo snap install buzz（需先装libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module三个依赖，并执行sudo snap connect buzz:password-manager-service）；或者用 Python 3.12 环境执行pip install buzz-captions后运行python -m buzz（需自行装好 ffmpeg）。
验证是否装好：打开 Buzz 能看到任务列表界面，点工具栏的 "+" 图标能弹出文件选择框，录音按钮能点亮，就说明环境没问题。
🎧 第一次使用：把一个音频文件变成文字
目标只有一个：导入一个音频文件，拿到文字。
- 点菜单File → Import Media File（或工具栏 "+" 图标，快捷键 Ctrl/Cmd + O），选中你的音频或视频文件——注意 Buzz 也能直接粘贴视频链接导入，视频里的音轨同样可以转。
- 任务栏里选择Transcribe（转写）；语言手动选一个，比自动检测稳得多，官方文档明确建议别依赖自动检测。
- 模型先用 Whisper.cpp 的 small 起步，够快也不至于错得离谱。
- 点Run，进度列会显示百分比，状态变成 Completed 即完成。
- 双击这一行，打开转录查看器，每段文字都带开始/结束时间戳，底部有播放器可以边听边改。
- 在查看器里改完错字，用 Export 菜单导出 TXT、SRT 或 VTT。
导入时点 "Advanced..." 还能看到几个实用开关：Word-Level Timings（按词生成时间戳，为之后切字幕做准备）、Extract speech（先把人声从背景音里抽出来再转，嘈杂音频可用）、以及Initial prompt（初始提示词，把容易拼错的专有名词、术语写进去，能显著减少错字）。
⚙️ 选模型与调速度：先定后端，再定档位
"转得太慢"和"错得太离谱"都出在模型选择上。Buzz 里其实有两层选择：先用哪个后端（怎么跑），再用哪个大小的模型（跑多大）。
后端怎么挑：
| 你的硬件 | 后端选择 | 理由 |
|---|---|---|
| 没有独显 / 集显 | Whisper.cpp | 基于 Vulkan 加速，任何显卡都能用，纯 CPU 也能跑；Mac 上它是最佳选择 |
| N 卡，显存 ≥ 6GB | Faster Whisper | 比原版 Whisper 快一个数量级，吃显存 |
| 内存充裕、追求原始精度 | Whisper（原版） | 准确但慢、吃内存 |
| 想用特定语言的定制模型 | HuggingFace | 支持 MMS（覆盖上千种语言）等第三方模型家族 |
| 本地硬件弱到转不动 | OpenAI API | 放到远端算，需配置 API Key，要联网 |
模型档位怎么挑：
| 档位 | 参数量级 | 定位 |
|---|---|---|
| tiny / base | 约 39M / 74M | 实时录音、快速过一遍，错字多 |
| small | 约 244M | 日常主力，速度和准确率的平衡点 |
| medium | 约 769M | 长音频、要求高的内容 |
| large-v3 / large-v3-turbo | 约 1.5B | 最准；v3 偶尔会"幻听"出没说的词，turbo 版主打速度精度平衡 |
官方 FAQ 的建议很实在：各档位之间没有标准答案，用你自己的语言各试一遍最靠谱。模型在Help → Preferences → Models页下载，下完还能点 "Show file location" 找到文件。Whisper.cpp 还支持量化版（如 q_5）和自定义模型 URL，省显存、可换多语言模型。
提速的关键调节项（多数在 Preferences 里，高级项通过环境变量设置）：
- BUZZ_WHISPERCPP_N_THREADS：Whisper.cpp 线程数，默认是 CPU 核心数的一半；16 线程的笔记本设成 8 反而快约 15%，设太高线程合并开销会拖慢速度。
- BUZZ_FORCE_CPU=true：显卡驱动有坑时强制走 CPU。
- BUZZ_REDUCE_GPU_MEMORY=true：用 8 位量化压缩模型，省显存。
- BUZZ_MODEL_ROOT：把模型目录指到大磁盘上。
- HF_ENDPOINT：模型下载慢时，设成
https://hf-mirror.com换镜像加速。
PyPI 安装的用户要 GPU 加速需手动装 CUDA 版 PyTorch（两条核心命令）：
pip3 install -U torch==2.8.0+cu129 torchaudio==2.8.0+cu129 --index-url https://download.pytorch.org/whl/cu129 pip3 install nvidia-cublas-cu12==12.9.1.4 nvidia-cuda-cupti-cu12==12.9.79 nvidia-cuda-runtime-cu12==12.9.79 --extra-index-url https://pypi.nvidia.comLinux 的 N 卡开箱即用，Windows 安装包已内置。显卡太老反而拖慢速度时，用BUZZ_FORCE_CPU=true退回 CPU 通常更快。
🧰 进阶玩法：实时录音、翻译、批量与命令行
实时录音：点工具栏的麦克风图标，选好麦克风、任务、语言就开录。官方提醒：默认 Whisper 后端做实时转录很吃资源，建议切到 Whisper.cpp 并用小模型。录音开始后会出现Presentation window（演示窗口）选项，适合讲座、会议场景投屏展示实时字幕。要录电脑里播放的声音（而不是麦克风），需要配一个虚拟声卡，macOS 用 BlackHole、Windows 用 VB CABLE，把系统输出接到虚拟设备后，在 Buzz 里选它当麦克风即可。
翻译：分两种。Transcribe 之外的默认翻译任务走 Whisper 自带的"译成英语"能力，纯离线；译成英语以外的语言则需要 AI 翻译——在 Preferences 里填一个 OpenAI 兼容 API 的 Key 和地址（也支持 Ollama、LM Studio 这类本地部署），给 AI 一段明确的翻译指令即可。开启实时转录导出后，文字会边生成边写进 txt 文件（译文是.translated.txt），方便接 OBS 等工具。官方给的参考成本：约 1 美元可翻译 1 小时音频。
批量与自动：任务列表本身就是队列，导入一堆文件会依次排队转录。更省事的是Folder Watch（Preferences 里的选项卡）：指定一个文件夹，新丢进去的音频自动进转录队列。
插件（1.4.5 起）：Help → Plugins 里开关、拖拽排序、按 URL 添加社区插件。内置的几个很实用：AI Summary（调 API 生成摘要存进备注）、Export to DOCX（导出 Word）、Resize Transcript（自动把按词的转录合并成字幕段）、DeepFilterNet 降噪（转前先消噪）、Skip Already Transcribed（重导同一文件夹时跳过已转过的文件）。插件机制的源码在 buzz/plugins/，照着写自己的不难。
命令行：Buzz 自带 CLI，可写进脚本做自动化，完整参数见 docs/docs/cli.md。最高频的一条：
# 转录一个 MP3，同时导出 TXT 和 SRT buzz add -m whispercpp -s small -l zh --txt --srt input.mp3-t translate可切换成翻译任务，--model-type还能选 fasterwhisper、huggingface、openaiapi 等后端。
🛠️ 排错：常见问题对照表
| 症状 | 处理办法 |
|---|---|
| 转录太慢 | 换更小模型或换 Whisper.cpp 后端；显存 ≥6GB 的 N 卡上改 Faster Whisper；有更强的机器就用更大的模型 |
| 启动崩溃 | 多半是模型文件下载不完整——在 Preferences → Models 删掉重下；再不行看日志（Help → About Buzz → Show logs），并注意 CPU 是否支持 AVX2 |
录音报Unanticipated host error [PaErrorCode-9999] | 系统层面禁止了麦克风访问。Windows 到 设置 → 隐私 → 麦克风 里给应用开权限，并临时排查杀毒软件 |
| 内网无网机器怎么用 | 在联网机器下载模型后，把模型文件夹整体拷到目标机的对应缓存目录（路径见前文），可配合 scripts/download-models.py 批量准备 |
| 实时字幕追不上语速 | 换 tiny/base 模型 + Whisper.cpp，调大 Transcription step（实时录音高级设置里），牺牲一点延迟换负载 |
| Flatpak 版不跟随深色主题 | 安装gnome-themes-extra，把主题复制到~/.themes并给 Flatpak 开访问权限，详见 FAQ |
| 字幕时间戳对不上、一段太长 | 转录时勾 Word-Level Timings，完成后用 Resize 工具按静音间隔和标点重新合并 |
排完这些还解决不了的，去项目仓库提 issue，附上日志文件，维护者响应很快。
结语
Buzz 把"离线语音转文字"这件事拆得很直白：装好、选模型、丢文件，剩下的时间都花在改错字上。想参与项目本身，可以从 docs/ 文档、翻译 locale 语言包 或给 buzz/plugins/ 写一个插件开始。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
