企业官网建设流程全解析

Buzz：1 个音频到 1 份 SRT，本地离线语音转文字教程

【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 是一款免费开源的桌面语音转文字工具，内置 OpenAI 的 Whisper 模型，在你自己的电脑上做本地离线转写：音频不离开机器、不按分钟计费，转录结果可导出 SRT、VTT、TXT 多种格式。

适用场景：先对号，再安装

判断条件很简单，你的音频如果落在下面任何一条，这套流程就能用上：

• 如果你的音频不能上云——客户访谈、公司内部会议、涉密培训录音，Buzz 把 Whisper 装在本机跑，全程不产生任何网络上传。
• 如果你不想按分钟付费——转写一次 10 小时的播客，云端服务按分钟算钱，本地离线转写只花电费，Whisper 转录本身免费。
• 如果你需要现场即说即出字——讲课、主持、采访中要「话音落定就有文字」，Buzz 的实时录音模式直接对着麦克风出稿。

装好 Buzz：四平台安装指南

四条路径按你的系统选一条走，每个平台只说一件事：最该踩对的坑。

首次启动时 Buzz 会提示下载 Whisper 模型文件，这是一次性的投入。模型从 tiny 到 large 共五档，越大越准也越吃资源。打开偏好设置（快捷键Ctrl+,）切到Models页签，已下载和可下载的档位都列在那里，点一下就开始下。

经验值：先下 tiny 或 base 跑通整个流程，确认没问题再换大档。

更多系统要求见 安装文档。

从音频到 SRT 字幕：一个文件走完全流程

以「一个 mp3 变成一份 SRT」为主线，五个动作按时间顺序走：

1. 导入：File 菜单选 Import Media File，或直接按Ctrl+O，选中音频或视频文件。贴 YouTube 链接也可以，Buzz 会先下载再转。
2. 配置三要素：任务类型（Transcribe 转写，或 Translate to English 翻译成英文）、语言、模型档位。语言建议手动指定——自动检测靠开头几秒猜，偶尔翻车。
3. 运行：点Run，列表里这一行走到Completed✅ 即完成。
4. 调字幕：双击进入转录详情页，点工具栏Resize打开调整对话框（细节见下文）。
5. 导出：工具栏导出菜单里选 SRT 丢进剪辑软件，选 TXT 当笔记，VTT 给网页播放器。

第 2 步里有两个容易被忽略、但决定后续自由度的选项：

• Word-Level Timings：按词生成时间戳。现在不勾，后面 Resize 的重排自由度就小，做字幕建议直接勾上。
• Extract speech：先把人声从原音轨单独提取出来再转。背景音乐重的录音，勾上它能明显压低错误率。

Resize对话框干三件事：设定每条字幕的最大长度（可选按标点断句）；如果原始音频还在本机，会顺带分析音频里的静音间隙，把过短的碎片合并掉；字幕停留太短的话，可以按秒数统一延长每条片段的结束时间，且保证不会越过下一条的起点。

进阶一句：人名、专业术语老被拼错时，点Advanced…里的 Initial prompt，把那些词写进去，模型会照着拼，错误率能压下去不少。

批量场景走同一个流程：一次多选几十个文件，任务排进队列逐条跑，不用盯着。详情页本身也是校对台——每段带起止时间，点哪段音频就跳哪段，播放速度支持 0.5x 到 2x，长音频校对不用一遍倍速硬听。

详细参数见 文件导入文档 和 编辑与调整文档。

Buzz 实时录音转写：会议讲座即说即出字

主线只有三步：新建一个录音任务 → 配好语言、模型档位和麦克风 → 点Record，说的话就变成文字滚出来。

三个直接影响体验的注意点：

• 性能预期摆正：默认 Whisper 模型做实时转写很吃资源，官方建议切 Whisper.cpp 后端走 GPU 加速，并用小一档的模型保实时性。
• Queue 是观察窗口：实时模式下队列越堆越长，说明处理跟不上说话速度，把Transcription step调大一点，负载立刻下来。
• Presentation window：录音期间会出现这个入口，把实时字幕投到大屏，讲者和主持场景直接可用。

另外一条线是「外语实时转中文」：Buzz 支持任意 OpenAI 兼容 API（包括 Ollama 跑的本地模型），在偏好设置里配好 Base URL 和 API Key，实时转写的同时自动翻译；打开「Enable live recording transcription export」后，实时文本会边生成边写出 TXT 文件，可供 OBS 等软件读取。成本参考：用 ChatGPT 或 Claude 级别的模型翻 1 小时音频，大约 1 美元。

更多选项见 实时录音文档。

不再手动点：自动化三件套

按「装一次、少点很多次」的递进顺序，从最省力到最灵活：

第一件：文件夹监控。偏好设置里的Folder Watch页签指定一个目录，新音频丢进去就自动排队转录。团队协作里最实用：同事往共享目录扔录音，文字稿自己出来。搭配「跳过已转录」插件，同一文件重复出现也不会重跑。

第二件：命令行。Buzz 自带 CLI，不弹主界面直接出结果，适合写脚本：

# 转写单个文件，导出 TXT buzz add --txt interview.mp3 # 整个文件夹的录像转 SRT，输出到独立目录 buzz add --srt --output-directory ./subtitles recordings/*.mp4 # 不打开界面，直接转一个网页链接 buzz add --txt --hide-gui https://www.youtube.com/watch?v=xxx

第三件：插件系统。Help → Plugins里可以开关插件、拖拽排序执行顺序。内置的几个实用项：AI 摘要（转录完自动生成摘要，存到 Notes 或本地文件）、导出 Word 文档（.docx，可选带时间戳）、增强语言检测（自动识别未知语言）、字幕长度自动重排。插件源码都在 buzz/plugins/ 目录下，每个都很短，照着写一个自己的不难。

完整参数见 CLI 文档，开发参考 插件文档。

出问题先查表：四个高频症状

更多排查思路可参考 使用文档 和 安装文档。

下一步就三件事

1. 按上文装好 Buzz，在Models页先下一个 tiny 档。
2. 拖入一段 5 分钟的音频，导入时勾上Word-Level Timings，等Completed。
3. 双击进详情页，点Resize重排一遍，导出你的第一份 SRT。

记住 Buzz 的核心逻辑就一句：Whisper 跑在本机，音频不出门，字幕自己来。

【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