企业官网建设流程全解析

Buzz 本地语音转录工具：3 步把音频变成可编辑的字幕

【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

Buzz 是一款运行在你个人电脑上的离线语音识别应用，基于 OpenAI 的 Whisper 模型，可以把 MP3、WAV 等音频文件、视频文件甚至 YouTube 链接转成文字，并支持翻译成英文。它适合需要处理会议录音、访谈资料、视频字幕，又不想把原始音频交给第三方服务的用户。全文按"选它 → 装它 → 用它跑完一次任务 → 调常用设置"的顺序展开，读完即可独立完成一次完整的离线转录。

先判断：这 3 种情况适合用 Buzz

• 音频内容敏感，希望处理过程发生在本地机器上，而不是上传给在线服务。Buzz 的所有 Whisper 类模型都在本机运行，只有第一次下载模型时需要联网；模型缓存目录可在 偏好设置 → 模型 中查看，也能整体复制到断网机器上使用。
• 需要批量或自动化处理：Buzz 支持文件夹监视（watch folder），新放入的音频会自动排队转录。
• 需要字幕或时间戳：导出格式包含 TXT、SRT、VTT，并且可以对转录结果做编辑和时长调整。

如果你的场景是"把麦克风里的话实时转成文字展示"，Buzz 的实时录音功能也能覆盖，见后文。

安装 Buzz 并首次启动

Windows

从 SourceForge 的 buzz-captions 项目页下载安装包。安装程序未签名，系统会弹出警告，选择"更多信息"→"仍要运行"即可。安装包已内置 GPU 支持，需要 CUDA 12 环境，旧版本 CUDA 的机器会退回 CPU 运行。

macOS

下载.dmg文件，将应用拖入应用程序文件夹。Apple Silicon 与 Intel 芯片均有对应版本。

Linux

两种包管理方式任选其一：

# Flatpak flatpak install flathub io.github.chidiwilliams.Buzz # Snap sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module sudo snap install buzz sudo snap connect buzz:password-manager-service

通过 Python 安装

pip install buzz-captions python -m buzz

建议配合 Python 3.12 环境，并提前装好 ffmpeg。NVIDIA 显卡用户需要按 docs/docs/installation.md 中的说明为 torch 安装 CUDA 版本。

第一次完整任务：从导入文件到导出字幕

主界面是一张任务表，每一行是一个转录任务，能看到状态、进度和所用模型。第一次操作的完整流程：

1. 点击工具栏的"+"图标（或菜单"文件 → 导入媒体文件"，快捷键Ctrl/Cmd + O），选择音频或视频文件。
2. 在任务行里选择三个参数：
   • 任务：Transcribe（原语言转写）或 Translate to English（翻译成英文）；
   • 语言：官方文档建议手动指定语言，自动检测基于开头几秒音频，可能出现意外结果；
   • 模型：类型（Whisper / Whisper.cpp / Faster Whisper 等）与大小（tiny 到 large）。
3. 点击Run开始转录，状态变为 Completed 后，双击该行打开转录查看器。
4. 在查看器顶部工具栏点击Export，选择 SRT、VTT 或 TXT 导出。

查看器里可以同时搜索文本（Ctrl/Cmd + F）、播放音频并跟随滚动（Ctrl/Cmd + G跳到当前位置）、按 0.5 秒步进微调片段起止时间。

实时录音：会议场景的另一种入口

不想先录文件再转？在录音面板选择任务、语言、麦克风和模型后点击Record，Buzz 会边录边转，并支持"追加重写"（Append and correct）模式对已出句尾做纠错。实时模式下建议选 Whisper.cpp 和较小的模型，降低延迟与占用；NVIDIA 显卡用户可改用 Faster Whisper。录音开始后会出现Presentation window（演示窗口），适合在会议或演讲现场把实时文字投到大屏。

字幕长度调整：让 SRT 更像成品

导出字幕前，Buzz 提供一个 Resize（调整大小）入口，用于把过长的字幕行重组为适合屏幕上显示的长度：

• 开启 Word-Level Timings 生成的转录，可以按静音间隙合并、按标点拆分，并设置单条字幕最大长度；
• 未开字级时间戳的转录，只能按最大长度重新切分；
• 还可以给每条字幕统一延长显示秒数，避免闪得太快。

常用设置：模型、命名规则与插件

偏好设置（Ctrl/Cmd + ,）里高频使用的几项：

• 模型管理：下载、删除模型；Whisper.cpp 支持自定义.bin模型和 q5 等量化版本，可显著降低显存与内存占用。模型缓存位置（Linux~/.cache/Buzz、macOS~/Library/Caches/Buzz、Windows%USERPROFILE%\AppData\Local\Buzz）可在此页一键打开。
• 默认导出文件名：支持模板变量，如{{ input_file_name }} ({{ task }}d on {{ date_time }})，批量导出时命名更可控。
• 初始提示（Initial prompt）：在导入面板的 Advanced 里填写，把容易拼错的人名、术语放进去，可以减少错字。
• 插件（1.4.5 起，Help → Plugins 管理）：内置 AI 摘要、DOCX 导出、降噪（DeepFilterNet）、跳过已转录文件等，可以逐个开关并调整执行顺序。

三个典型用法示例

示例一：会议录音自动出文字稿。开启文件夹监视，把录音丢进指定文件夹，Buzz 自动排队转录并导出；配合"跳过已转录"插件，重复导入同一文件夹也不会重跑模型。

示例二：为视频生成字幕。导入 MP4，任务选 Transcribe 并指定语言，开启 Word-Level Timings，转完后用 Resize 设置字幕最大长度，再导出 SRT 直接交给剪辑软件。

示例三：完全离线环境使用。在联网机器上提前下载所需模型，将整个模型目录复制到离线机器相同位置（例如 Linux 主目录下的.cache/Buzz/models）即可。仓库里还提供了一个 scripts/download-models.py 脚本，可用来批量准备离线模型缓存。

开始前的检查清单

• 转录太慢：换更小的模型，或改用 Whisper.cpp；有 6GB 以上显存的 NVIDIA 显卡可试 Faster Whisper。
• 模型怎么选：小模型快但错得多，大模型准但吃硬件；FAQ 中对比了 Large、Large-V2、Large-V3 与 Turbo 的特性差异，最稳妥的方式是拿自己的语言各试一遍。
• 麦克风报错（如 PaErrorCode-9999）：检查系统隐私设置里 Buzz 是否有权访问麦克风。
• 应用启动崩溃：多半是模型下载不完整，到 偏好设置 → 模型 删除后重新下载。
• 老机器注意：Buzz 需要 CPU 支持 AVX2 指令集。

延伸资料

• 安装细节与依赖说明：docs/docs/installation.md
• 文件导入选项表：docs/docs/usage/1_file_import.md
• 实时录音与系统声音录制（虚拟声卡配置）：docs/docs/usage/2_live_recording.md
• 命令行用法（脚本化、批量导出 SRT/VTT）：docs/docs/cli.md
• 插件开发参考：buzz/plugins/

【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