企业官网建设流程全解析

Buzz 离线音频转录：本地 Whisper 五种后端，字幕、纪要、直播文字一次搞定

【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 是一款完全在本地运行的音频转录工具，基于 OpenAI 的 Whisper 模型，把录音转成文字、翻译成其他语言，全程不经过任何云端服务器。它既能处理导入的音视频文件，也能对着麦克风做实时转录，结果支持导出 TXT、SRT、VTT 等格式，模型与历史任务都保存在自己的电脑上。

🚀 先跑起来：四种安装方式与首次转录

按你的系统选一种装法即可：

• macOS / Windows：从发行版下载页获取.dmg或安装包（Windows 安装包未签名，安装时选择“更多信息”→“仍要运行”即可）
• Linux：flatpak install flathub io.github.chidiwilliams.Buzz，或sudo snap install buzz
• 开发者：准备 Python 3.12 环境和 ffmpeg 后执行pip install buzz-captions，再运行python -m buzz

首次使用的主线流程只有四步：点工具栏的 “+” 或按Ctrl/Cmd + O导入音频/视频文件；在任务行选择任务类型（转录或翻译成英语）、语言和模型；点 Run；状态变为 Completed 后双击该行打开转录查看器。默认使用 tiny 模型，首次运行会按需下载对应模型文件。

🔍 核心能力深读

五种 Whisper 后端，一个模型管理面板

Buzz 把同一份任务交给不同引擎执行：OpenAI 原版 Whisper 最稳但吃内存；Whisper.cpp 是 C++ 实现，支持 Vulkan 加速，核显甚至纯 CPU 都能实时转录，也是 Mac 上的首选；Faster Whisper 适合 NVIDIA GPU（建议 6GB 显存以上）；Hugging Face 后端可加载社区定制模型，从 1.4.0 起还支持 Meta 的 MMS 系列（覆盖上千种语言）；OpenAI API 后端则把识别交给远程服务。模型尺寸从 tiny 到 large，另有 large-v2、large-v3 和兼顾速度的 turbo 可选。

它解决的问题是“同一台电脑上，精度和速度怎么平衡”。入口在Help → Preferences → Models，可以下载、删除模型，还能给 Whisper.cpp 填自定义.bin模型地址或使用量化版本省显存。模型缓存位置：Linux 在~/.cache/Buzz，macOS 在~/Library/Caches/Buzz，Windows 在%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache。

实时录音转录与演示窗口

选择任务、语言、麦克风后点 Record，Buzz 就会边听边出字。实时模式有三种：新句追加在下方、追加在上方、以及“追加并修正”（会回头纠正已出文字，更吃算力）。偏好里还能设静音阈值、转录步长，并开启“实时文本导出”，把正在生成的文字持续写入 txt 文件，方便喂给 OBS 这类推流软件。录音开始后会出现演示窗口选项，把当前字幕投到大屏上，适合讲座和发布会场景。

转录查看器：搜索、改时间戳、分说话人

双击任务行进入查看器，顶部有视图切换（时间戳/纯文本/译文）、搜索框和导出菜单；下方是可编辑的段落表，能拖动调整起止时间、拆分合并段落，播放器支持调速。对于多人的会议录音，点 “Identify speakers” 后 Buzz 会自动给每个句子打上说话人标签，你可以试听任意句子 10 秒来确认身份、把标签改成真实姓名，保存时勾选合并选项还能把同一人的连续句子并成一段。

🎬 实际用法

• 会议录音出纪要：导入会议录音跑完转录后，直接用说话人识别区分各人发言，重命名标签、导出 TXT 归档；如果音频有背景噪音，可以先启用 DeepFilterNet 降噪插件再转录。
• 给视频补字幕：导入 MP4 后 Buzz 自动提取音轨，选择导出 SRT 或 VTT；想要更细的字幕块时开启 word-level timestamps，再用 Resize Transcript 插件按静音间隔和标点把逐词结果重排成标准字幕长度。
• 批量与脚本化：配合 watch folder 让新放进目录的文件自动排队转录；需要固定流程时直接用 CLI，例如buzz add --task translate --language fr --model-type openaiapi 文件1.mp3 文件2.mp3，参数详见 CLI 文档。

⚠️ 避坑清单

• 实时转录卡顿：换用 Whisper.cpp 并选 small 及以下模型，同时观察队列长度，步长调大一点能减压
• Windows 提示麦克风错误（PaErrorCode-9999）：检查系统设置里 Buzz 的麦克风权限
• 转录崩溃：多为模型下载不完整，到 Models 偏好里删掉重下；另注意 CPU 需要支持 AVX2，过老的机器跑不了
• 语言检测结果不对劲：自动检测只看开头几秒，已知语言时请手动指定
• 无网络的机器：在联网电脑上先下载好模型，把整个模型缓存文件夹拷到同路径即可
• 模型太吃内存：换量化版本（如 q_5）或在偏好中开启 “Reduce GPU RAM”

更多问题可查 官方 FAQ。

🛠 给开发者

Buzz 用 Python + Qt 编写，采用 MIT 许可。代码结构清晰：转录引擎 封装各后端，界面组件 负责主窗口与查看器，数据层 管理任务与段落的 SQLite 存储，插件系统 允许在转录前后插入自定义处理（Help → Plugins 里可以启停、排序、调参，还能用 “Add by URL” 安装社区插件，内置了 AI 摘要、DOCX 导出等六个）。测试位于tests/，文档源码在docs/。想改代码或提功能建议，可以克隆仓库https://gitcode.com/GitHub_Trending/buz/buzz后参与贡献。

Buzz 适合所有不想把录音交给云端、又想要带时间戳字幕和说话人标记的场景。装一个、下一个模型，第一次转录通常几分钟内就能跑通。

【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