企业官网建设流程全解析

Buzz 音频转录完整指南：本地部署 Whisper，一条命令开始语音转文字

【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 的本地语音转文字工具：它把模型直接装在你电脑上，音频文件、麦克风录音和网页链接都能在离线状态下转录成带时间戳的文字，还支持翻译成英文。数据不出本机、不收 API 账单、不限调用次数，这是它最值得上手的地方。整个处理链路很简单：音频输入 → 预处理 → Whisper 推理 → 后处理 → 导出，你不需要理解细节，只需要会点按钮。

为什么音频转录要搬到本地

结论先说：怕录音内容泄露、常断网、或不想被 API 额度卡住的人，本地部署是更稳的选择。把两种方案放在一起看，差异很清楚：

Buzz 支持 99 种语言的转录，也支持把任意语言翻译成英文；模型自动下载并缓存在本地（各平台的缓存位置可在 docs/docs/faq.md 查到），断网环境照样能跑。

四大平台安装速查

安装本身一条命令就够，唯一的公共前置是装好 ffmpeg——Buzz 靠它解码音频。

• Windows

winget install ChidiWilliams.Buzz

• macOS

brew install --cask buzz

• Linux（Flatpak 或 Snap）

flatpak install flathub io.github.chidiwilliams.Buzz sudo snap install buzz

• 源码 / PyPI 安装：先装好 ffmpeg（Ubuntu 用sudo apt install ffmpeg），再执行：

pip install buzz-captions python -m buzz

Nvidia 显卡用户装好 CUDA 版的 PyTorch 即可获得 GPU 加速，具体步骤参考 docs/docs/faq.md 的 GPU 部分。

第一条转录跑起来

四步就能看到结果，建议第一次就用 tiny 模型，出结果最快：

1. 打开 Buzz，点击"导入文件"（快捷键Ctrl+O），选一个音频或视频文件。
2. 在转录选项里确认模型为 tiny、语言选"自动检测"。
3. 点击"开始转录"，首次运行会自动下载模型，耐心等待一次。
4. 任务完成后双击列表中的转录记录，即可查看带时间戳的全文。

上图就是 Buzz 的文件转录界面：左侧导入文件，右侧是转录任务列表，所有后续操作都从这里出发。

文件、录音、URL 三种入口怎么选

三种入口覆盖几乎所有场景，按素材来源对号入座即可。

转录本地文件

适合已有的录音、播客、会议录像等成品文件。

1. Ctrl+O导入一个或多个文件，支持批量；
2. 设置语言、任务类型（转录或翻译成英文）和模型；
3. 开始转录，输出 TXT/SRT/VTT 保存在源文件同目录。

录音实时转录

适合会议、讲座、采访等正在发生的内容。

1. 点击顶部麦克风按钮进入录音界面，选择输入设备；
2. 点红色录制按钮开始，过程中可随时暂停跳过无关片段；
3. 停止后自动保存录音音频和转录文本。

导入 URL

适合 YouTube 等可直接下载链接的内容，免去手动下载视频。

1. 工具栏选择"导入 URL"，粘贴链接；
2. Buzz 下载媒体文件后按任务队列正常排队处理；
3. 后续操作与本地文件完全一致。

Buzz 模型怎么选：准确率与速度的权衡

选型的唯一权衡就是速度换精度：小模型跑得快但错得多，大模型准但吃内存、跑得慢。

除了尺寸，还有三个参数直接决定准确率：

• 温度：默认是一组递增的后备值。清晰人声用低温度更稳；环境吵、口音重时适当调高，给模型更多重试机会。
• 初始提示：转录专业内容时，把术语表写进初始提示（如"本次涉及心电图、心肌梗死等术语"），模型会优先识别这些词。
• 手动指定语言：混合语言内容建议直接指定主语言，比自动检测更可靠。

这些参数都在首选项 → 模型页维护（模型文件由 buzz/model_loader.py 统一下载和缓存）。另外 Whisper.cpp 引擎在纯 CPU 和 Mac 上表现最好，有 6 GB 以上显存的 Nvidia 显卡则建议用 faster-whisper。

从草稿到成品

Buzz 的转录查看器支持搜索、播放控制，并允许精修到单词级时间戳：

• 拖拽片段边缘或直接改时间值，修正不准确的起止点；
• 双击文本直接编辑，改错字、补标点；
• 合并或拆分片段，让段落更自然；
• 通过导出菜单输出 TXT、SRT、VTT 三种格式，文件名模板可在首选项里自定义。

转录完的长视频，可以用分段调整功能把一条大段落切细，字幕就不会"挤成一坨"：

Buzz 批量转录：文件夹监控与命令行

处理一整批文件时，别再手动点。打开 帮助 → 首选项 → 文件转录：

1. 勾选"启用文件夹监控"；
2. 选好输入文件夹和输出文件夹，按需勾选"删除已处理文件"；
3. 在同一页面配置好默认模型、语言等转录选项，之后丢进输入目录的新文件会被自动处理。

监控逻辑实现在 buzz/widgets/transcription_task_folder_watcher.py。更喜欢脚本化的人直接用 CLI（完整参数见 docs/docs/cli.md）：

# 转录单条文件并直接导出 SRT buzz add --model-type whispercpp --model-size small --srt ./meeting.mp3 # 批量转录多个文件 buzz add --model-size medium --language zh ./a.mp3 ./b.mp3

排错速查：现象、原因与动作

🔧 遇到问题先对照这张表，能解决大部分常见状况：

更多细节（离线环境搬运模型、系统录音等）见 docs/docs/faq.md。

写在最后

Buzz 把 Whisper 本地部署做成了普通用户也能上手的程度：一条命令装好，四个步骤转出第一条文字，之后靠模型、温度、初始提示三个旋钮调质量，最后用文件夹监控和 CLI 把重复劳动交给机器。会议录音、课程录像、访谈整理，这些场景里它都能离线顶用。项目仍在持续迭代，多说话人分离等能力也在路上；如果你愿意修 bug 或加功能，可以从 CONTRIBUTING.md 开始。

【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