企业官网建设流程全解析

Buzz 离线语音转文字：本地免费跑通 Whisper 转录的完整指南

【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

一段两小时的会议录音躺在硬盘里，你需要一份能直接读的文稿。Buzz 是一个离线语音转文字工具，全部在你自己电脑上运行，基于 OpenAI 的 Whisper 模型，音频全程不出机器，也不按量收费。

适合谁用

Buzz 面向想把语音变成文字、又不想把文件传到云端的人。导入文件、选模型、点运行，文本就在本机生成，免费开源。

适用的 3 类场景：

• 做字幕的播客、视频创作者，需要批量产出 SRT 文件
• 整理访谈、讲座录音的研究员，需要带时间戳的文稿
• 活动组织者，需要现场把发言实时变成字幕

不适合的 2 类场景：

• 要一次转几百小时音频——本地硬件扛不住，请分批处理
• 录音含几十种语言混杂的频道切换——单语言任务表现更好

安装与首次运行

• Windows：从官方发布页下载安装包，双击运行。程序未签名，弹窗警告时选"更多信息"→"仍要运行"。
• macOS：下载 .dmg 拖入"应用程序"。注意只支持 Apple Silicon 机型，Intel 机型最后可用版本是 1.4.5。
• Linux：一条命令装 Flatpak 版本：

flatpak install flathub io.github.chidiwilliams.Buzz

首次运行前要下载一次模型：打开偏好设置（Ctrl/Cmd + ,）→"模型"，选好后端和尺寸后点击下载，文件会自动缓存到本机，之后断网也能用。

跑通第一个任务

最小闭环 4 步：

1. 导入：按 Ctrl/Cmd + O，或点工具栏"+"，选一个音频或视频文件。看到任务出现在列表里即成功。
2. 配置：任务选 transcribe，语言手动选"中文"（别用自动检测），模型选 Whisper.cpp 的 base 或 small。
3. 运行：点 Run。中等配置的笔记本用 base 模型，约 10–15 秒转完 1 分钟音频，转 2 小时录音约 20–30 分钟。
4. 看结果：状态变成 Completed 后，双击该行打开转录查看器，可播放音频、搜索文字、导出 TXT/SRT/VTT。

🔧 参数怎么选

模型大小对比（Whisper 标准模型）：

取舍建议：日常速记用 base 或 small，重要资料再上 large。太慢时先换后端而不是换模型——Whisper.cpp 纯 CPU 和集显都能跑，Faster Whisper 需要至少 6GB 显存的 Nvidia 显卡，速度比原版 Whisper 快一个量级。

三个关键参数：

• 语言：手动指定。自动检测在口音重或嘈杂的音频上容易判错语种。
• 初始提示：在 Advanced 按钮里填入人名、术语，能明显减少专有名词的误识别。
• 词级时间戳：默认关闭；只有后面要精细调字幕时才打开。

放进你的场景

后期制作：给节目做 SRT 字幕

• 要解决什么：两小时节目音频变出能直接导入剪辑软件的字幕。
• 用到哪些功能：导入 MP3 → 语言选中文、勾选词级时间戳 → 转录完成后用 Resize 按标点拆分长句、合并过短的条目 → 导出 SRT。
• 最后得到什么：时间码对齐的 SRT 文件，拖进时间线即可上屏。

研究整理：多人访谈分说话人

• 要解决什么：两小时双人访谈变成分角色标记的文字稿。
• 用到哪些功能：转录前打开"提取语音"降噪；在转录查看器里逐段标注说话人；导出 TXT。
• 最后得到什么：带时间戳的访谈稿，边听边核对，随时修改。

现场活动：实时字幕

• 要解决什么：培训现场把发言人内容即时投到屏幕上。
• 用到哪些功能：新建录音转录任务并选好麦克风 → 打开演示窗口投屏 → 偏好里开启实时文本导出，TXT 文件可接 OBS。
• 最后得到什么：一块能投大屏的字幕画面，外加一份同步给 OBS 的 TXT。

常见坑

转录不准，先查哪？按顺序查：语言是否手动指定（自动检测会误判）→ 录音是否嘈杂（开语音分离）→ 模型是否偏小（升一级）。专名错得离谱就把词写进初始提示。

完全断网的机器能用吗？可以。先在有网电脑上下好模型，通过"偏好设置 → 模型 → 显示文件位置"找到模型目录（Linux 为 ~/.cache/Buzz/models），整个拷到离线机的相同路径。仓库里的 scripts/download-models.py 支持批量预缓存。

转录太慢或电脑卡？换 Whisper.cpp 后端，或把模型降一档；有 6GB 以上显存的 Nvidia 卡可以试 Faster Whisper。实时转录务必用小模型，否则跟不上语速。

录音没声音，报 PaErrorCode 错误？结论：多半是麦克风权限问题。检查系统隐私设置是否允许 Buzz 访问麦克风，杀毒软件也可能拦截。

Buzz 启动就崩溃？多数是模型下载不完整，到"偏好设置 → 模型"删掉后重新下载；另注意 CPU 需要支持 AVX2，太老的机器跑不起来。

📋 使用前自查

• 模型已下载完成，能通过"显示文件位置"打开模型文件夹
• 语言是手动选的，没有留在自动检测
• 导出格式选对：文稿用 TXT，字幕用 SRT 或 VTT
• 实时场景已确认麦克风权限正常，演示窗口能打开
• 机器较老时先确认 CPU 支持 AVX2，再排查软件问题

更多细节可查 官方文档 和 常见问题。

【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