Buzz 本地 Whisper 离线语音转文字完整教程：十分钟跑通首次转录，一路到导出字幕

Buzz 本地 Whisper 离线语音转文字完整教程：十分钟跑通首次转录，一路到导出字幕

【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

一段 40 分钟的采访录音躺在硬盘里，不想传到任何云端，又希望马上出文字——这就是 Buzz 的离线语音转文字要解决的场景。Buzz 是开源工具，底层是 OpenAI 的 Whisper 模型，整个转录过程都跑在你自己的电脑上，断网也能用。这篇教程带你从装好到导出字幕，走完一遍完整流程，并把调参、快捷键的常用项整理成速查表。

十分钟跑通第一次转录

第一次用不用研究任何设置，按平台走最短路径装好，然后"导入 → 转录 → 导出"走一遍就行。

按平台安装

• Windows：下载官方安装包双击安装。安装包未做签名，Windows 会弹警告，选"仍要运行"即可。
• macOS：brew install --cask buzz一条命令装好，也可以下载.dmg直装；Apple 芯片用户还能从官方渠道拿到针对 M 系列芯片优化的版本。
• Linux：flatpak install flathub io.github.chidiwilliams.Buzz，或者用 snap：

sudo snap install buzz sudo snap connect buzz:password-manager-service

第二条命令把 Buzz 接到系统密码管理器上，snap 方式下别忘了。更多系统依赖和 pip 安装方式见 安装文档。

走一遍最短路径

首次使用会自动下载基础模型，预留约 1GB 磁盘空间，不用手动找文件。装好打开后：

1. 点工具栏"导入文件"（Ctrl+O），选一个 mp3 或 wav；
2. 左侧任务列表里这个音频会进入等待、转录中的状态变化；
3. 转完右侧出现逐句文字和时间戳，点结果区右上角的导出按钮，选 TXT、SRT 或 VTT 存盘。

到这里整条链路已经通了，剩下的只是把模型和选项调对。

主界面就三大块，后面所有操作都在这三块里：

• 上方工具栏：录音、导入文件、导入 URL、清空历史这些核心按钮都在这一排；
• 左侧任务列表：每个导入的音频对应一个任务，实时显示等待、转录中、完成等状态；
• 右侧转录结果区：逐句显示文字和时间戳，可以直接点选、编辑，也可以跟着音频播放校对。

模型怎么选：五档对号入座

Whisper 模型只分五档，区别就是"快但糙"到"慢但准"。按需求对号入座即可，不用纠结参数：

三个实用细节：

• 偏好窗口（菜单打开，或按Ctrl+,）里可以直接下载、删除模型，不用去网页上手动找文件；
• 选 Whisper.cpp 引擎时，模型下拉里有Custom选项：填入模型.bin文件的下载链接，就能用任意量化模型；
• 显存不够，就在偏好里打开Reduce GPU RAM开关，模型会按 8bit 量化加载，等价于设环境变量BUZZ_REDUCE_GPU_MEMORY=true。

按场景进阶：实时、精校、出字幕

三种常见诉求对应三条路线：要快不要准，用实时录音；要准不要快，转完逐句精校；要出字幕，转完重排再导出。

要快不要准：实时录音转写

开会、听讲座不想回头整理录音，就让它边录边出字：

1. 按Ctrl+R打开录音窗口，选输入设备（麦克风）；
2. 选语言，模型挑响应快的 Base 或 Small——实时场景速度比准确率更要紧；
3. 选转录模式，共三档：追加在下方（新句子排在末尾）、追加在上方（新句子排最前，直播字幕常用）、追加并修正（会回头纠正上一句的错字，比较吃算力）；
4. 点录制，文字就实时刷出来了。

录音转写还支持把实时文字同步导出成文本文件，方便投屏或接入其他工具，偏好里 "Live transcript exports" 一节有说明。官方对录音模式的说明在 实时录音文档。

要准不要快：正式文稿逐句精校

正式文稿靠的不是重跑，而是转完之后一句句校：

• 播放校对：Ctrl+P播放或暂停音频，Ctrl+G跳到当前播放位置，边听边改；
• 改错字：点任意一句直接改文本，识别错了不用重新转录；
• 时间轴微调：选中句子后，Ctrl+←/Ctrl+→调起始时间，Ctrl+Shift+←/Ctrl+Shift+→调结束时间；
• 视图切换：Ctrl+E纯文本、Ctrl+T带时间戳、Ctrl+L译文，Ctrl+F在转录文本里搜索。

校对完导出时支持 TXT、SRT、VTT；纯文本导出按静音切段，默认 2000 毫秒，用BUZZ_PARAGRAPH_SPLIT_TIME可调。逐句编辑的完整操作参考 转录查看器文档。

要出字幕：重排长度再导出

转出来的句子有时太碎、有时太长，直接导出的字幕没法用。结果区打开"调整"面板，设定每行目标长度，Buzz 按时间间隔规则把短句合并、长句拆开，之后直接导出 SRT/VTT 就是能投出去的字幕文件。

想自定义合并规则，设环境变量BUZZ_MERGE_REGROUP_RULE指定 regroup 规则即可。

另外，项目自带一批插件（源码在 buzz/plugins/）：AI 摘要、增强语言检测、导出 Word、跳过已转录片段、转录重排等，在偏好窗口的插件页面可以单独启用和配置，插件系统说明见 插件文档。

参数速查表：环境变量 + 快捷键

不放进偏好界面的高级选项都靠环境变量控制，写个启动脚本改几行就行（Linux/macOS 示例）：

export BUZZ_WHISPERCPP_N_THREADS=8 export BUZZ_FAVORITE_LANGUAGES=zh,en,ja buzz

性能相关

显示与操作相关

常用快捷键（完整定义见 buzz/settings/shortcut.py）：

所有快捷键都能在偏好窗口的快捷键编辑页里改成自己顺手的组合。完整变量清单见 偏好设置文档。

常见问题：先定位，再处理

转录太慢，怎么办？

换小一号的模型（Small→Base）；把BUZZ_WHISPERCPP_N_THREADS调到 CPU 核心数一半左右，官方测试 16 线程笔记本设成 8 可提速约 15%；关掉吃 CPU 的其他程序；有独显的话确认引擎选了对应 GPU 支持的 Whisper 引擎。

模型下载中断了，怎么办？

到偏好窗口删掉这个模型重新下载；如果是磁盘满了导致失败，设BUZZ_MODEL_ROOT把模型目录换到有空间的盘上。

长音频显存爆了？

开 Reduce GPU RAM（或设BUZZ_REDUCE_GPU_MEMORY=true）让模型按 8bit 量化加载；实在不行，把长音频手动切段分别转录。

GPU 报错或驱动冲突？

设BUZZ_FORCE_CPU=true强制 CPU 模式，慢一点但稳，适合老显卡上 GPU 路径不稳定时。

语言列表太长，找不到常用的？

设BUZZ_FAVORITE_LANGUAGES=zh,en,ja（按自己常用改），这些语言会置顶显示。

实时转录跟不上说话速度？

实时场景别用 Medium/Large，换 Small 或 Base；"追加并修正"模式吃算力，跟不上时改回普通追加模式。

适合谁，怎么最快上手

• 适合：手里有不想上云的会议录音、采访素材、课程讲义，想在本机离线语音转文字、顺手导出字幕的人；
• 谨慎：纯实时场景别指望 Medium/Large 跟得上说话速度；Windows 首次安装要接受未签名安装包的警告，属正常现象；
• 最快上手：装好后先丢一段 1–2 分钟的短音频，用 Base 模型跑一遍"导入 → 转录 → 导出"，确认流程通了，再上大模型处理正式素材。

【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