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 OpenAI's 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 Whisper | Nvidia 显卡 ≥6GB 显存 | 快一个数量级，CUDA 加速首选 |
| Whisper.cpp | 没有 N 卡、或用 Mac | C++ 优化，核显也能跑，兼容任意品牌 GPU |
| HuggingFace | 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.cpp；Windows 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.dmg）；Linux 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 OpenAI's 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
