企业官网建设流程全解析

Buzz 离线语音转文字完整指南：四步跑通你的第一个转写任务

【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

如果你手头有一段两小时的访谈录音，或者想把网课视频变成文字稿，你可能正需要一种在本机就能完成音频转文字的解决方案。Buzz 就是这样一个开源工具：它运行在你自己的电脑上，基于 OpenAI 的 Whisper 语音识别模型（一个专门把声音变成文字的 AI 模型）完成离线语音转文字和翻译，音频文件从头到尾不用离开你的设备。它支持 Windows、macOS 和 Linux，可以输出 TXT、SRT、VTT 等格式，也支持麦克风实时转写。这篇文章带你从安装一路走到批量自动化。

先解决"为什么用本地"的问题

把录音上传到云端转录服务虽然省事，但有几点绕不开：文件要经过别人的服务器；敏感内容（客户采访、医疗访谈、公司内部会议）一旦上传就不可控；部分长音频还涉及按量计费。

Buzz 的思路相反：

• 转写模型下载后存在本地，识别过程不联网，隐私由你自己把关
• 免费开源，MIT 协议，个人和团队使用都不花钱
• 同一套操作逻辑覆盖文件转写、麦克风实时转写两种用法

安装：按你的系统选一条路

• macOS：下载 dmg 安装包双击安装即可，Intel 和 Apple Silicon 芯片都支持
• Windows：运行安装程序。首次安装会弹出安全提示，因为应用没有数字签名，点"更多信息 → 仍要运行"即可
• Linux：通过 Flatpak 或 Snap 商店安装，例如 Flatpak 一行命令就能装好

安装完成先别急着用。首次使用时 Buzz 会让你下载转写模型，模型默认存在用户缓存目录（设置里"模型"页面有"显示文件位置"按钮，可以直达那个文件夹）。

四步完成第一次文件转写

1. 点工具栏的"+"按钮（或按 Ctrl+O），选择音频或视频文件，MP3、WAV、M4A、MP4 都行
2. 在任务栏选择任务（转写，或翻译成英语）和语言。强烈建议手动指定语言——自动检测只靠开头几秒音频判断，混合口音时容易猜错
3. 选择模型后点Run。第一次运行某个模型前会先下载，之后就是本地计算
4. 状态变为 Completed 后，双击这一行打开转写查看器，双击任意一句可以回到原音对应位置试听

官方对导入流程的详细字段说明在 docs/docs/usage/1_file_import.md，里面的"Initial prompt"（初始提示词）可以填人名、专业术语，能明显减少这类词的拼写错误。

三个值得了解的核心能力

转写查看器：搜索、试听、识别说话人

转写完成后的查看器不只是"看一段文字"：

• 支持关键词搜索，长访谈里找某个说法直接定位
• 有播放控制和倍速调节，校对时可以 2 倍速快速过
• 支持说话人识别（speaker identification），自动把同一段转写按"谁说的"分段，多人对话整理起来快很多

麦克风实时转写

选好转写任务、语言和麦克风，点 Record，句子就会随说随出。它适合三类场合：会议记录、演讲现场、给课程做实时字幕。录音开始后会出现Presentation window（演示窗口）选项，可以把实时文字投到大屏幕上。官方文档特别提示：实时转写对算力要求高，建议用 Whisper.cpp 模型并选小尺寸档位。

边转写边翻译

任务选"Translate to English"后，外语音频直接产出英文文本。如果你主要处理中文内容，也可以把中文音频转成英文文本，方便后续处理。

模型怎么选：一张表对号入座

先说结论：模型大小决定"准还是快"，实现类型决定"在你什么硬件上跑得动"。

📌模型尺寸（Whisper 系列，从最小到最大）：

官方 FAQ 里的经验之谈是：没有万能答案，建议在自己的语言上各试一遍。Large-V2 稳定，Large-V3 更准但偶尔会"无中生有"编造词，Turbo 则在速度和准确率之间取平衡。

📌实现类型（同一套模型的几种"运行方式"）：

下载和删除模型都在"帮助 → 偏好设置 → 模型"里完成。不用的模型删掉能省几十 GB 磁盘。

三个高频场景的推荐设置

🎬 场景一：访谈/播客做成字幕文件

推荐设置：

• 模型：Whisper.cpp + small 或 medium
• 勾选"Word-Level Timings"（逐词时间戳），让每个词都带时间点
• 导出格式选 SRT

操作步骤：导入音频 → 勾选逐词时间戳 → 运行 → 完成后用内置的字幕调整功能（或 Resize Transcript 插件）把逐词结果合并成"一行一句、长度合适"的正式字幕行 → 导出 .srt，可直接拖进视频剪辑软件。

🎙️ 场景二：会议实时记录

推荐设置：

• Whisper.cpp + tiny/base（实时性优先，准确率靠后续校对）
• 语言明确指定，别用自动检测
• 开启实时文本导出：生成的文字会边转边写进一个 txt 文件，方便接 OBS 等推流软件

操作步骤：选麦克风和语言 → 点 Record → 会议结束即停。需要投屏演示就打开演示窗口。

📁 场景三：文件夹自动批量转写

在偏好设置里启用文件夹监控（watch folder），指定一个路径后，往里丢的新文件会自动进入转写队列——出差路上把文件丢进网盘同步目录，回家时文稿已经转好了。

配合 Skip Already Transcribed 插件使用：它先检查同名结果文件是否已存在，已转过的直接标记 Skipped，重复导入一个文件夹时不会白烧算力。

进阶玩法：命令行与插件

Buzz 自带完整的 CLI（命令行界面，指在终端里用命令而不是鼠标操作应用的方式），适合写脚本做批量任务。最常用的"加一个转写任务并导出字幕"一条命令就够：

buzz add --model-type whispercpp --model-size small --language zh --srt --vtt 访谈录音.mp3

加上--hide-gui可以让主窗口隐藏，纯后台跑。完整参数列表见 docs/docs/cli.md。

从 1.4.5 版本开始，Buzz 有插件系统，内置插件包括：

• AI Summary：调用 OpenAI 兼容接口（也可以是本机 Ollama）给长转写生成摘要
• DeepFilterNet：转写前自动降噪，嘈杂录音的识别率会明显改善
• Export to DOCX：把转写结果导出成 Word 文档
• Enhanced Language Detection：先用本地小模型判断语言再转写，适合语言未知的文件

管理入口在"帮助 → 插件"，可以开关、排序、改配置。想看插件怎么写，直接读 buzz/plugins/ 目录下的源码，内置插件就是现成模板。

常见疑问：现象 → 原因 → 解决

1. Windows 安装时弹"未知发布者"警告原因：安装包没有数字签名。解决：点"更多信息 → 仍要运行"，属于正常现象。

2. 转写特别慢原因：模型档位太高，或没走 GPU。解决：换 Whisper.cpp 实现 + 小一档模型；N 卡用户可改用 Faster Whisper；具体排查思路见 docs/docs/faq.md。

3. 点运行后 Buzz 闪退原因：模型文件下载不完整或损坏（很常见）。解决：在"偏好设置 → 模型"里删掉该模型重新下载。另注意 Buzz 要求 CPU 支持 AVX2 指令集，非常老的电脑无法运行。

4. 录音报错，提示麦克风访问失败原因：系统隐私设置没给权限（Windows 下常见错误码 PaErrorCode-9999）。解决：到"设置 → 隐私 → 麦克风"里确认 Buzz 有权限，再检查杀毒软件是否拦截。

5. 想在完全断网的机器上用原因：模型需要先联网下载一次。解决：在有网电脑上把模型下好，整个模型缓存目录拷到离线机器相同位置；项目里还附带了 scripts/download-models.py 脚本帮你提前备齐模型。

Buzz 的价值不在于某个单点功能，而在于"离线转写 + 多种模型实现 + 实时/批量两种节奏"这条完整链路：小文件用 tiny 模型几分钟出稿，正式交付用 medium 以上逐词校对，会议室里直接开实时记录，文件夹里堆多少文件它就消化多少。装好它、下载一个 base 模型、丢一段音频进去，你的第一个转写文稿离你只有四步。

【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