Buzz 本地离线音频转录指南：语音转文字从选型到调优

Buzz 本地离线音频转录指南：语音转文字从选型到调优

【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 的本地离线音频转录工具。音频、视频文件、麦克风实时录音、YouTube 链接都能在自家电脑上完成转录与翻译，覆盖 99 种主流语言，结果可导出为 TXT、SRT、VTT。适合做会议记录的人、做字幕的创作者，以及需要批量把语音转文字的场景。

选型先行：选对模型再动手

Buzz 内置多种 Whisper 后端：标准 Whisper、Faster Whisper、C++ 实现的 Whisper.cpp、Hugging Face 模型，以及 OpenAI API。选型的关键不是"越大越好"，而是匹配你的硬件：

两条经验：一是尽量显式指定语言而不是自动检测，官方文档也建议这么做，稳定性更好；二是不确定的话，拿同一段音频跑两个不同档位的模型对比一下，五分钟就能定下来。

安装 Buzz 并产出第一份转录

四种安装方式，按你的平台任选其一：

Windows：下载官方安装包。程序未做签名，安装时出现警告，点"更多信息 → 仍要运行"即可。

macOS：下载.dmg安装器。注意当前版本要求 Apple Silicon，最后一个支持 Intel 芯片的版本是 1.4.5。

Linux：支持 Flatpak、Snap 和 AppImage。

flatpak install flathub io.github.chidiwilliams.Buzz

或走 Snap（先装音频依赖）：

sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module sudo snap install buzz

Python（跨平台）：先装好 ffmpeg，并用 Python 3.12 环境：

pip install buzz-captions python -m buzz

装完到拿到第一份结果，三步：

1. 导入文件：按Ctrl+O或点左上角"+"，选择音频或视频文件，把语言指定为文件实际使用的语言。
2. 执行转录：模型选 Base（拿不准就按上面表格来），点 Run。任务在主界面列表里排队，你可以继续做别的事。
3. 打开并导出：状态变为 Completed 后，双击该行打开转录查看器，直接导出 TXT、SRT 或 VTT。

各方式的更多细节见安装文档。

三个真实场景的落地打法

会议记录：边开边记，会后修正

输入：会上的麦克风，不需要预先录文件。

操作：选好任务与语言后，按Ctrl+R或点 Record 开始实时转录，文字逐句出现在界面上；要投屏给全场，可打开演示窗口。会后在转录编辑器里把明显错词改掉。

产出：TXT 格式的会议纪要；需要 Word 文档时，用内置的 Export to DOCX 插件一步导出。

视频字幕：词级时间戳 + 字幕重排

输入：一个视频文件，Buzz 直接对其音轨转录。

操作：导入时在选项里勾选 Word-Level Timings（词级时间戳），用 Medium 档模型转录；完成后在编辑器点 Resize，设定单条字幕最大长度、按标点断句。

产出：SRT 或 VTT 字幕文件，可直接导入剪辑软件。

批量处理：文件夹自动进，转录自动出

输入：一个装满音频的文件夹。

操作：在 Preferences 里开启 Folder Watch，指定输入与输出目录，新文件放进去即自动转录；也可以一次性添加多个文件排队。重复导入同一批文件时，开启 Skip Already Transcribed 插件，已出结果的文件会被跳过。想写成脚本的话，CLI 同样支持：buzz add --txt recordings/*.mp3，详见CLI 文档。

产出：每个文件对应一份转录，统一落到你指定的输出目录。

调优速度与准确率：挑 4 个最实用的

GPU 加速。NVIDIA 显卡收益最大：Linux 上 NVIDIA 开箱即用（有问题就装 CUDA 12、cuBLAS、cuDNN）；Windows 安装包已内置 GPU 支持；PyPI 安装的版本需要自行安装 CUDA 版 torch。Mac 会自动走 Apple Silicon。Whisper.cpp 另支持 Vulkan，集显也能加速。

初始提示词。把容易听错的人名、术语填进 Initial Prompt（导入表单的 Advanced... 里）。模型会按提示纠正拼写，专名错误明显减少。

语音分离。勾选 Extract speech 后，Buzz 会先把人声从音频中分离出来再转录，对会议通话这类有背景噪音的录音效果突出。

批处理线程数。用 Whisper.cpp 跑批量任务时，可通过环境变量BUZZ_WHISPERCPP_N_THREADS调线程数：官方在 16 线程笔记本上测得设为 8 时提速约 15%，设得更大反而更慢。配合文件夹监控和"跳过已转录"，可以挂一夜自动出结果。

更多高级项（如降低显存占用、自定义重排规则）见Preferences 文档。

常见问题

问：完全断网的电脑能不能用？能。先在有网络的机器上把需要的模型下好，再把模型目录复制到离线机器的相同位置：Linux 是~/.cache/Buzz，macOS 是~/Library/Caches/Buzz，Windows 是%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache。路径也可以在 Help → Preferences → Models 里点"Show file location"查看，或用仓库自带的模型下载脚本预先备好。

问：实时录音卡顿、句子跟不上怎么办？默认的 Whisper 后端比较吃资源。换成 Whisper.cpp、选 Tiny 或 Base 档，并观察界面上的 Queue 数值：持续增大就加大 Transcription step 或换更小的模型。

问：Buzz 更新后崩溃，先查哪里？多数情况是模型文件不完整或损坏：到 Preferences 的 Models 页删掉对应模型重新下载即可。仍不行就从 Help → About Buzz → Show logs 查日志。另外 CPU 需要支持 AVX2，过老的机器不受支持。

问：转录结果存哪，文件名能自定义吗？默认保存在源文件旁边。在 Preferences → Default export file name 可以设命名模板，支持input_file_name、model_size、date_time等变量，例如{{ input_file_name }} ({{ task }}d on {{ date_time }})，方便按日期归档。

Buzz 的价值一句话：转录链路完全跑在你自己的机器上，文件不出本机，速度和准确率还能按硬件自由取舍。想继续深入，读官方文档。

【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