Buzz 离线转文字完全指南：本地 Whisper 语音识别新手教程

Buzz 离线转文字完全指南：本地 Whisper 语音识别新手教程

【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

对着半小时的采访录音，你还要逐句回放做文字整理吗？想用云端服务，又怕隐私外泄、被按分钟计费？Buzz 把这两件事一起解决：一款免费、开源、离线转文字的工具，基于 OpenAI Whisper，全部识别都发生在你的电脑本地——文件不出机器、不依赖网络、一次安装长期免费。

Buzz 到底能帮你干成哪几件事

大白话说，它帮你把音频变成可用的文字，具体是四件事：

• 文件转录：MP3、WAV、MP4 等音视频直接导入，转出文本；
• 实时转写：对着麦克风说话，文字边说边出，还带演示窗口可投屏当大字幕；
• 字幕与导出：勾选词级时间戳，直接导出 TXT、SRT、VTT，还能智能重排字幕行；
• 翻译：转录完接着转成其他语言，一条流程走完。

5 分钟跑通第一次本地转录

第一次用不用碰任何配置，按这条最短路径走就行：

1. 装好 Buzz（Windows/macOS 有安装包，Linux 用 Flatpak 或 Snap），打开应用；
2. 点左上角"+"，导入音频或视频文件；
3. 语言下拉框手动指定语言，别依赖自动检测——带口音、背景嘈杂的录音很容易被它判错；
4. 任务选"转录"，点"运行"，等进度条走完。

小提醒：录音里如果有很多人名、专有名词，去"Advanced..."里的 Initial prompt 先填一遍，识别准确率会明显上去。

引擎怎么挑：一张表看懂后端区别

新手最容易懵的不是模型，而是 Buzz 里好几个识别后端。对比一下再选：

我的建议很简单：有 N 卡就选 Whisper 系并开启 GPU 加速，1 小时音频能从半小时级压到几分钟；纯 CPU 的办公本直接用 Whisper.cpp，稳当不折腾。模型大小上，tiny/base 快速试听，small 出正式字幕，medium/large 留给精度优先的场合，都可在设置里提前下载好。

进阶组合拳：从"能用"到"提效"

基础转录跑通后，下面这四个玩法会改变你的使用节奏：

1. 像看视频一样读转录稿。打开转录结果，自带搜索、播放控制、语速调节，长录音里想找的那句话，几秒定位。

2. 本地字幕流水线。转录前勾选词级时间戳 → 导出 SRT/VTT → 用"Resize"按标点、最长时长或静音间隔重排字幕行，"视频进、字幕出"全程离线。

3. 文件夹监控 + 命令行。设置里指定一个文件夹，丢进去的音频自动开始转录；再配合 CLI 接口写进脚本，就是无人值守的批量处理——访谈录音一文件夹一文件夹地灌，效率神器。

4. 插件与说话人识别。AI 摘要、降噪、DOCX 导出都是可开关的插件，按需启用；转录稿还能识别"谁在说话"，会议录音不用手动分段落。

想继续下钻？看这三处

• 官方文档 docs/docs/：导入、实时录音、翻译、字幕编辑的图文说明；
• 命令行参考 docs/docs/cli.md：自动化转录的完整参数；
• 核心实现 buzz/transcriber/ 与插件体系 buzz/plugins/：想看后端怎么接、插件怎么写，直接翻源码。

写在最后

本地、免费、开源——Buzz 把录音转文字这件事做成了"装一次、用永久"。下次再面对一小时的长录音，打开 Buzz，导入文件，点下运行，把听写的时间省下来干点别的吧。🎧

【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