不想把录音上传云端？Buzz 离线语音转文字，四类高频场景一次讲透

不想把录音上传云端Buzz 离线语音转文字四类高频场景一次讲透【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz你有没有过这样的时刻手机里躺着一场两小时的会议录音明知里面全是重点却实在抽不出两小时去回听、速记、整理成文档Buzz 就是为这种时刻准备的——一款基于 OpenAI Whisper 的开源桌面工具在个人电脑本地就能完成近百种语言的离线语音转文字与翻译音频不联网、不上传适合会议记录整理、外语学习、字幕制作等几乎所有想把声音变成可搜索文字的场景。下面不聊参数堆砌直接从真实痛点出发看看它到底怎么帮你。一、四个天天有人抱怨的场景Buzz 各有各的接法先看一张速览表把痛点和解法摆在一起你就能判断自己属于哪类用户让人头疼的场景Buzz 的对应解法硬盘里堆着几十个小时的录音没空整理文件转录 任务队列批量排队音频涉密或敏感不敢传云端完全离线本地转录数据不出电脑英文播客、外教课没有字幕转录 翻译 说话人识别一条龙开会、上课现场想要实时字幕麦克风实时转录 演示窗口投屏下面逐条拆开说。痛点一录音攒了一硬盘就是没时间整理——把文件交给任务队列多数人第一次用 Buzz 的场景都差不多电脑里有一段录了很久的访谈、一期播客或者网课回放。你不需要学任何命令打开主界面点加号把音频或视频文件拖进列表或者直接粘贴一个 YouTube 链接选好模型点开始剩下的事就交给队列了。主界面就是一个典型的任务管理表格每一行显示文件名、所用的模型、任务是转写还是翻译以及实时状态——排队中、处理中带百分比、已完成还会标注耗时。一次丢十个文件进去它就一个个排队处理你不用守在旁边。处理完的成果支持导出成 TXT、SRT、VTT 三种格式纯文本拿去存档SRT 和 VTT 直接当字幕文件用。痛点二录音里全是商业机密不敢往云端送——离线转录的底气就在这这是 Buzz 和在线转录服务最本质的区别。你需要的 Whisper 模型会下载到本机缓存目录识别和翻译全部在本地完成整个过程不依赖网络。换句话说断网也能用录音文件从头到尾不出你的电脑涉密内容可以放心处理。如果你工作的环境是完全物理断网的Buzz 也考虑到了先在联网的电脑上下载好模型通过帮助 → 偏好设置 → 模型里的显示文件位置按钮找到缓存目录把模型文件夹整体拷到离线电脑的相同位置即可。项目还附带了一个scripts/download-models.py脚本可以帮你提前准备离线模型缓存方便在内网、隔离环境批量部署。痛点三英文播客没字幕听不懂——转写、翻译、说话人识别一把抓外语内容没有字幕是另一类高频痛点。Buzz 在新建任务时有两个任务模式Transcribe转写把语音变成原文文字和Translate翻译直接翻成目标语言。语言可以自动检测也可以手动指定——多语言混排的内容建议开自动检测。转录完成后Buzz 还能做两件在线工具不常给的事一是说话人识别把不同发言者的段落区分出来会议纪要里谁说了什么一目了然二是翻译扩展可以接入 OpenAI API 兼容的接口做实时翻译。转录结果界面本身就内置了查看器支持全文搜索、跟随音频逐句高亮、调整播放速度甚至循环播放某一段反复校对。痛点四开会、上课想现场出字幕——麦克风实时转录加演示窗口临时抱佛脚的需求 Buzz 也有解它可以读取麦克风把说话内容实时转成文字界面里还能选追加到下方等记录方式。配合一个专门的演示窗口Presentation Window在做分享或讲座时可以把实时字幕投到大屏幕上听众直接看字幕体验立刻专业起来。想转录系统声音比如某个软件播放的音频在系统里配一个虚拟声卡把输出接进来就行Windows 用 VB-CABLE、macOS 用 BlackHole 都是常见的做法。二、第一次转录别让选模型三个字吓到你选模型是新手最容易纠结的环节其实记住一个原则就够了模型越小越快但越糙越大越准但越吃硬件。Buzz 把选择拆成了两个维度——用什么引擎和用什么尺寸。先看引擎它们本质上是同一套 Whisper 算法的不同实现区别主要在速度和硬件需求引擎适合谁一句话点评Whisper想体验原版准确但偏慢、吃内存Faster WhisperNvidia 显卡 ≥6GB 显存快一个数量级CUDA 加速首选Whisper.cpp没有 N 卡、或用 MacC 优化核显也能跑兼容任意品牌 GPUHuggingFace想用社区特色模型支持 Parakeet、MMS、Qwen3-ASR 等一堆新模型OpenAI API有网络、想省本地算力远程识别属于混合模式尺寸方面从 tiny、base、small、medium 到 large 逐级变大还有兼顾速度与精度的 Turbo 版本。第一次跑可以先拿 small 试水觉得不够准再往上加。如果你用的是 Mac优先选 Whisper.cppWindows 的 N 卡用户则直接上 Faster Whisper 吃满 CUDA 加速。提升识别准确率的三个设置拿到第一次结果后如果觉得准确率差口气三个小设置往往立竿见影手动指定语言。自动检测偶尔会在短音频上猜错直接指定源语言能立刻减少这种失误。使用初始提示Initial Prompt。把上下文关键词填进去比如人名、产品名、专业术语模型会参考这些词去猜字专有名词不再乱拼。开启语音分离。嘈杂环境咖啡馆、多人会议的录音先做说话人/人声分离再转录准确率提升明显。三、转录完还不算完结果精修与字幕调整Buzz 的真正功力在于转录只是开始。在结果查看器里每一段文字都带开始和结束时间戳你可以直接改错字、微调时间轴、重排段落把机器识别的草稿打磨成能直接交付的成品。做字幕时它还有一个专门的调整工具解决字幕时长忽长忽短、断句乱七八糟的问题设定理想字幕长度推荐 42 个字符左右再勾选按时间间隔合并短句、按标点自动拆分、按最大长度切分长句点一下合并字幕就整齐了。剪视频、传 B 站、投短视频平台这类自动化调整能省下大量手工改字幕的时间。四、进阶玩法把转录变成一条全自动流水线如果你不只是偶尔转一段录音而是每周都要处理大量音频Buzz 有三个进阶手段值得关注监视文件夹在偏好设置里指定一个目录往里丢新音频文件Buzz 会自动开始转录全程无需人工介入适合固定接收录音的场景。命令行接口工具支持 CLI 方式提交任务例如buzz add 文件名.mp3 -t transcribe -m fasterwhisper参数和图形界面一一对应方便写脚本做批处理、接进自己的自动化流程。插件系统这是 Buzz 开放性最强的部分。自带插件里有 AI 摘要生成转录完自动产出内容概要、导出 DOCX 文档、跳过已转录文件、自动字幕调整、深度降噪过滤、增强语言检测等安装即用。想扩展能力时也可以在仓库的buzz/plugins/目录里看插件如何实现照着写自己的插件挂到转录流水线上。五、三分钟装好几条命令的事Buzz 支持 Windows、macOS、Linux 三平台。想省事就直接去项目发布页下载安装包Windows 的.exe、macOS 的.dmgLinux 用户更推荐走应用商店渠道# Flatpak 安装 flatpak install flathub io.github.chidiwilliams.Buzz # 或 Snap 安装 sudo snap install buzz开发者也可以用 Python 环境直接跑pip install buzz-captions python -m buzz想从源码构建或跟进最新开发版克隆仓库即可git clone https://gitcode.com/GitHub_Trending/buz/buzz常见问题速查转录太慢换更小的模型尺寸或改用 Whisper.cpp 引擎有 6GB 以上显存的 N 卡用户切到 Faster Whisper速度差距是数量级的。GPU 加速没生效Windows 安装包已内置 CUDA 12 支持老版本 CUDA 机器会退回 CPU 跑Linux 上 N 卡开箱即用。程序闪退多半是模型文件下载不完整去模型管理页删掉重新下载即可。结尾把两小时的录音变成两分钟能搜完的笔记回到开头的那个场景——那场两小时的会议录音过去你大概会拖上一周直到彻底遗忘。现在用 Buzz 的做法是晚上回家把文件拖进去泡杯茶的工夫它就还给你一份带时间戳、可搜索、可导出的文字记录敏感内容全程留在你的电脑里不用担心上传到某个你控制不了的服务器。语音转文字这件事本该就是这么简单工具在本地、数据在自己手里、结果随时可取。这大概就是 Buzz 最打动人的地方——它不抢你的数据只帮你把声音变成资产。【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考