企业官网建设流程全解析

Buzz 本地语音转录上手指南：离线安装、模型调优与排障全解

【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

会议录音、访谈音频要上传到云服务器才能转录时，隐私与费用总是绕不开的问题。Buzz 是一个基于 OpenAI Whisper 的本地语音转录工具，录音、推理、导出全流程都在你自己的电脑上离线完成，音频文件不会离开设备。从安装验证到模型选择、故障排查，本文带你 10 分钟跑通全流程。

它解决了什么问题

语音转录的主要使用者是会议组织、访谈、授课和字幕制作等高频处理音视频的人。传统云端转录服务要求先上传文件，存在隐私顾虑、网络依赖和按量计费的问题。Buzz 把整条链路搬回本地：模型下载一次后，转录与翻译可在完全无网络的环境完成，同时提供 Whisper、Faster Whisper、Whisper.cpp、HuggingFace 等多种推理后端，支持 CUDA 与 Vulkan 加速，还能对多人对话做说话人识别。

5分钟跑起来

Linux 用 Flatpak 或 Snap 一键安装

flatpak install flathub io.github.chidiwilliams.Buzz

sudo snap install buzz

Python 方式安装（需先装好 ffmpeg 并准备 Python 3.12 环境）

pip install buzz-captions python -m buzz

Windows 与 macOS 安装包

官方 .exe / .dmg 安装包可从项目发布页 SourceForge 下载。Windows 安装包未签名，安装出现警告时选择“更多信息”再“仍要运行”即可。

从源码构建开发版

git clone https://gitcode.com/GitHub_Trending/buz/buzz

用 CLI 验证首次转录

应用启动后，也可以用内置命令行直接验证环境。下面这条命令用 Whisper.cpp 的 tiny 模型转录一段中文音频并直接输出 SRT 字幕：

buzz add --model-type whispercpp --model-size tiny --language zh --srt /path/to/audio.mp3

图形界面下的验证方式：首次启动会打开主窗口，按 Ctrl/Cmd + O 导入一段短音频，点击 Run，任务状态变为 Completed 后双击该行能打开转录结果，即代表安装成功。

核心流程一图看懂

Buzz 的处理链路是一条单向流水线：各类输入先统一转成模型可读的音频，推理产出生成带时间戳的文本段落，落库后可继续编辑、精修或导出。

核心模块与职责：

三个真实场景实战

场景一：本地音视频文件批量转录

1. 按 Ctrl/Cmd + O 或点工具栏“+”导入一个或多个音频、视频文件，也支持粘贴 URL
2. 任务行选择 transcribe 或 translate to English，语言建议手动指定，比自动检测更稳
3. 点 Advanced 可配置 Initial prompt（初始提示词）、Word-Level Timings（词级时间戳）、Extract speech（语音分离）
4. 点 Run，状态变为 Completed 后双击该行打开转录查看器
5. 查看器里可搜索、编辑段落文本并导出 TXT / SRT / VTT

场景二：会议与演讲实时转写

1. 打开 Live recording 选项卡，选好任务、语言与麦克风
2. 配置有限时改用 Whisper.cpp 后端加小模型，实时性能更好，详见 实时录音文档
3. 点 Record 开始录音，说话的同时文字持续生成
4. 对外演示可点 Presentation window 打开大字版展示窗口
5. 高级设置里可调整 Silence threshold、行分隔符与 Transcription step，Append and correct 模式更准但占用更高

需要转写电脑内部播放的声音时，先装一个虚拟声卡（macOS 的 BlackHole、Windows 的 VB-CABLE 均可），把声音路由过去再在 Buzz 里选它作为麦克风。

场景三：字幕精修、批量与自动化

1. 双击任务行打开转录，对词级时间戳的转录点 Resize，把逐词结果合并成字幕，可设最大长度、按标点拆分，细节见 编辑与重排文档
2. 多人群聊用 Identify speakers 自动标注说话人，可试听片段并改成真实姓名
3. 批量处理用 CLI：buzz add 支持任务、后端、模型大小、语言、初始提示、输出格式等参数，详见 CLI 文档
4. 首选项里开启 Watch folder 后，监控目录新增的音频会自动进入转录队列
5. 配合内置插件做后处理：AI 摘要、导出 DOCX、Resize Transcript 自动字幕合并、DeepFilterNet 降噪，见 插件文档

参数与性能速查

模型大小是性能与质量的主要开关，Whisper 后端提供以下档位：

large 还有细分版本：Large-V3 精度最高但偶尔会“脑补”音频里没有的词，Turbo 在速度与精度之间取平衡，选型逻辑见 FAQ: 该用哪个模型。

调优建议：

• 后端选择：没有 Nvidia 显卡就选 Whisper.cpp（可用 Vulkan 加速，集显、CPU 都能跑）；显存 6GB 以上优先 Faster Whisper，比原生 Whisper 快一个量级，依据见 FAQ
• 内存吃紧时在模型首选项里下量化版模型（如 q5），或用 BUZZ_REDUCE_GPU_MEMORY 环境变量开启 8bit 量化，变量说明在 首选项文档
• 线程数环境变量 BUZZ_WHISPERCPP_N_THREADS 默认是 CPU 核心数的一半，16 线程机器设为 8 比盲目加线程更快，同样见 首选项文档
• 专业领域人名、术语易错时，把常见词写进 Initial prompt 可显著减少拼写错误，方法见 文件导入文档

排障手册

• 转录太慢：换更小的模型或改用 Whisper.cpp 后端；显存 6GB 以上的机器可换 Faster Whisper，速度会快一个量级
• 识别错误偏多：手动指定语言代替自动检测，补充 Initial prompt 给上下文，仍不理想就换大一号的模型
• 录音报 PaErrorCode-9999：检查系统隐私设置是否授予 Buzz 麦克风权限（Windows 在 设置 → 隐私 → 麦克风），并尝试临时关闭杀毒软件
• 断网环境能否使用：可以，联网机器下载好模型后，把模型缓存目录（Linux 为 ~/.cache/Buzz）整体拷贝到离线机的相同位置
• GPU 加速不生效：Linux 需 CUDA 12 及 cuBLAS、cuDNN；Windows 安装包已内置 GPU 支持；老显卡兼容有问题时可设 BUZZ_FORCE_CPU=true 强制走 CPU
• 老电脑无法运行：Buzz 要求 CPU 支持 AVX2 指令集，非常老的机型不在支持范围内，崩溃排查与日志位置见 FAQ

结语

Buzz 把音频转录整条流程收进你的电脑：离线优先、后端可选，从单文件转录、实时演讲字幕到批量自动化都能覆盖，插件机制让后处理也能按自己的需求扩展。想参与改进，看 CONTRIBUTING.md 即可上手，遇到问题也欢迎到项目 issue 区反馈。

【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