本地离线语音转文字：Buzz 三步完成音频转录

本地离线语音转文字：Buzz 三步完成音频转录

【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

周五下午的部门例会刚结束，你手边有一段 40 分钟的录音，需要在明早交出一份文字稿。Buzz 是一款在你个人电脑上运行的开源离线音频转录工具，基于 Whisper（OpenAI 推出的开源语音识别模型）把录音直接转成文字，全程不联网，音频不离开你的机器。

环境准备与首次运行

Buzz 支持 Windows、macOS 和 Linux 三大平台，按你的系统选最短路径安装：

• Windows：下载安装包运行即可。程序未签名，安装时如提示警告，点「更多详细信息 → 仍要运行」。
• macOS：下载.dmg文件拖入 Applications 文件夹。
• Linux：

flatpak install flathub io.github.chidiwilliams.Buzz

首次运行会提示下载语音识别模型，网络好的情况下等待下载完成即可。

接下来完成第一次转录，一共 5 步：

1. 点击工具栏的「+」按钮（或按Ctrl+O），你会看到文件选择框，选中音频或视频文件（MP3、WAV、MP4 等）。
2. 在右侧任务表单选择语言，语言不确定可留空让 Buzz 自动检测。
3. 选择模型类型和大小（新手建议 Whisper.cpp + base 档，见后文选型表）。
4. 点击Run，任务列表状态会从「Queued」变为「Completed」。
5. 双击已完成的那一行，你会看到带时间轴的文字稿，顶部有播放和搜索控件。

核心能力拆解

按「输入 → 处理 → 输出」的顺序，Buzz 用到的能力基本就是下面几个。

文件与链接导入（输入）：除本地音视频文件外，Buzz 1.2.0 起支持直接粘贴 URL 导入在线音频，不用先手动下载。表单里还能勾选Extract speech，把语音从背景音中分离出来单独转录，适合现场噪音较大的录音。

多引擎模型选择（处理）：Buzz 内置 Whisper、Whisper.cpp（C++ 优化实现，支持 Vulkan 显卡加速）、Faster Whisper（针对 NVIDIA 显卡优化）以及 Hugging Face 上的第三方模型。没有独显的机器优先选 Whisper.cpp，NVIDIA 显卡显存 6GB 以上可选 Faster Whisper。

实时录音转录（输入）：按Ctrl+R打开录音窗口，选择麦克风即可边录边转。适合讲座、采访这类不能重来的场景。注意它吃 CPU，不算严格意义的实时，长录音建议留一台性能不错的机器。

转录结果编辑器（输出）：双击任务进入查看器后，左侧音频波形可点击跳转、调整播放速度，右侧文字支持搜索（Ctrl+F）。选中某一段时，用Ctrl+方向键可以按字微调这段文字的起止时间，改完直接生效。

字幕重排（输出）：长句字幕直接挂到视频上会挡画面。启用「调整大小」功能后，Buzz 会按标点断句、把间隔过短的片段合并，并限制单条字幕长度，批量产出适合视频的字幕块。

插件扩展（输出）：菜单Help → Plugins可管理插件，内置 AI 摘要、导出 Word（.docx）、DeepFilterNet 降噪、跳过已转录文件等。需要批量处理重复导入的文件夹时，「Skip Already Transcribed」插件会自动跳过已有结果的录音。

两个真实工作流示例

场景一：学生把 90 分钟讲座转成笔记

1. 课前按Ctrl+R打开录音窗口，选默认麦克风。
2. 点Start开始录制，Buzz 边录边出文字。
3. 讲座结束点Stop，确认语言选了英文（或对应语言）。
4. 双击任务行，在查看器里用Ctrl+F搜索关键词定位重点。
5. 导出为 TXT，粘贴进笔记软件补充自己的批注。

预期输出：一份带时间戳的文字稿，重点段落可以直接按时间戳跳回去核对录音。

场景二：播客创作者为视频生成 SRT 字幕

1. Ctrl+O导入视频文件，语言选中文，模型选 small 或更大档位。
2. 点开表单的Advanced...按钮，在Initial prompt里填入节目里的高频人名、术语，减少错别字。
3. 勾选Word-Level Timings（字级时间戳，字幕重排需要），点Run。
4. 完成后在任务上启用字幕重排，设置每条字幕的最大长度。
5. 从查看器的导出菜单选SRT，直接拖进剪辑软件。

预期输出：一个句读合理、长度统一的.srt字幕文件，不用再手动切分。

排障速查表

进阶配置（按需阅读）

只有当你需要批量处理、跑脚本，或者想压榨显卡性能时才需要看这一节。

命令行：Buzz 自带 CLI，一条命令转录并直接导出字幕：

buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt 录音.mp3

完整参数用buzz add --help查看，支持--prompt初始提示词、-l语言代码等。

文件夹监控：在Preferences → Folder Watch标签页指定一个目录，放进去的音频会自动排队转录，配合「Skip Already Transcribed」插件做增量处理。

GPU 加速：Linux 下 NVIDIA 显卡开箱即用（依赖 CUDA 12）；Windows 安装包已内置 GPU 支持，旧版 CUDA 的机器会自动回退到 CPU。

离线环境：在有网电脑上下载好模型，把模型缓存文件夹（各系统路径见Help → Preferences → Models的「Show file location」）整体拷到目标机器同一位置即可。

选型决策

模型大小的选择只看下表即可，体积指模型文件下载量：

如果你拿不准，就用Whisper.cpp + base，不够准了再升 small；大模型只在内容真正重要时才值得那个等待时间。

收尾

Buzz 的定位就是本地离线语音转文字：导入音频，得到可编辑、可导出的文字稿，隐私和算力都留在你自己手里。

下一步，打开Ctrl+O导入一段 5 分钟以内的录音，用 base 模型跑通一次完整流程——这是验证你机器配置最快的方式。

更多细节可以看仓库内文档：docs/docs/faq.md、docs/docs/usage/1_file_import.md。

【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