Buzz 离线语音转录指南：本地 Whisper 把录音转成文字与字幕
【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
处理采访音频或会议录音时，把原始文件上传到云端转录 API，意味着它要先经过第三方服务器。Buzz 是一款在本地运行 OpenAI Whisper 的桌面转录工具，音频和模型都不离开你的电脑，离线即可产出文字稿与 SRT/VTT 字幕。配置一般的笔记本可以用小模型纯 CPU 跑通第一段转录，再根据硬件逐步调整。
它是什么：定位与运行环境
Buzz 是基于 PyQt6 的桌面应用，把多个本地 Whisper 后端统一放进同一个任务队列：OpenAI 原版 Whisper、针对 NVIDIA GPU 优化的 faster-whisper、C++ 实现的 whisper.cpp（任意 GPU 或纯 CPU 可用，对 Mac 和核显最友好），以及 HuggingFace Transformers 实现（可加载 MMS 等自定义多语言模型）。除文件转录用外，还支持麦克风实时转录、转录前的人声分离（处理嘈杂录音）、说话人识别与插件系统。
| 项目 | 说明 |
|---|---|
| 许可证 | MIT |
| 平台 | Windows、macOS（含 Apple Silicon）、Linux |
| 运行环境 | 预构建安装包，或 Python 3.12+ 源码安装 |
| 核心依赖 | Whisper / faster-whisper / whisper.cpp / transformers、PyQt6 |
| GPU 加速 | NVIDIA CUDA、Apple Silicon、Vulkan（whisper.cpp） |
安装 Buzz 离线转录工具
Windows 与 macOS
从官方发布页下载对应平台的安装程序或 .dmg。Windows 包未做代码签名，安装时 SmartScreen 会弹出警告，选择"更多信息"再点"仍要运行"即可；macOS 版本原生支持 Apple Silicon。
Linux
两种包管理器任选其一：
flatpak install flathub io.github.chidiwilliams.Buzz sudo snap install buzz源码安装
先装好 ffmpeg，然后执行：
pip install buzz-captions python -m buzz跑通第一段录音
主界面点击"+"导入音频或视频文件（MP3、WAV、MP4 等，视频会自动提取音轨），选择模型大小和语言后点"运行"，进度条显示转录进度。完成后双击任务行打开转录查看器：可以全文检索、编辑文本、调整时间戳并控制播放，最终结果在同一界面导出为 TXT、SRT 或 VTT。脚本化场景可用命令行：buzz add --model-size small --srt --vtt meeting.mp4建任务并直接产出字幕文件。
🎬 三种典型用法
采访者：长录音变干净文字稿
痛点：90 分钟的访谈录音，人工听打不现实。操作：选 medium 模型，手动指定音频语言，把采访对象姓名、机构名等易错词写进 initial prompt。产出：可直接编辑的 TXT 草稿。可执行技巧：重要访谈手动指定语言而不是自动检测，并在初始提示中列出专有名词，能明显提高识别准确率。
视频编辑者：MP4 直接出字幕文件
痛点：给视频上字幕需要手动对时间轴。操作：导入 MP4，转录完成后导出 SRT 或 VTT，再用内置的转录长度调整按间隙合并、按标点分割，让每条字幕落在可读长度内。可执行技巧：先按间隙合并、再按标点分割，导入剪辑软件时字幕断句更自然。
会议管理员：录音丢进文件夹自动转
痛点：每天新的会议录音落在共享文件夹，总得有人手动导入。操作：在偏好设置里开启文件夹监视，指定输入目录和输出目录，新文件进入后自动加入任务队列。可执行技巧：给会议录音统一命名（日期_会议名），输出目录里方便按批次归档。
⚙️ 模型后端怎么选
不同硬件适合不同后端。NVIDIA 显卡显存 6GB 以上时选Faster Whisper，比原版 Whisper 快数倍且占用更少内存；Mac 或只有核显的机器选Whisper.cpp，支持 Vulkan 加速，纯 CPU 也能跑实时转录。需要针对特定语言优化的模型时，用 HuggingFace 后端加载 MMS（覆盖 1000+ 语言）或经 PEFT 微调的模型。模型文件缓存在本地（Linux 下为~/.cache/Buzz），下载过一次后完全离线可用；无网机器可以把另一台电脑的模型缓存目录整体拷过去，配合 scripts/download-models.py 可以提前备好整套模型。
实时转录方面，Buzz 支持麦克风录音转文字：选择录音设备、设置缓冲时长即可在发言时看到文字，还可以单独调出演示窗口把实时字幕投到大屏上，适合会议和发布会现场。
避坑：高频问题速查
| 问题 | 处理办法 |
|---|---|
| Windows 安装时提示安全警告？ | 官方包未签名，点"更多信息→仍要运行"，属正常现象 |
| 转录速度太慢？ | 先换更小模型（base/small），再开 GPU 加速；NVIDIA 卡 6GB+ 显存用 Faster Whisper |
| 实时转录报麦克风错误（PaErrorCode-9999）？ | 检查系统麦克风隐私权限，临时关闭杀毒软件测试 |
| 老电脑启动失败？ | CPU 需支持 AVX2，过旧的机器不受支持 |
资源索引
- 官方文档与功能总览：docs/
- 使用教程（文件导入、实时录音、翻译、导出）：docs/docs/usage/
- CLI 参数参考：docs/docs/cli.md
- 常见问题（模型缓存位置、GPU 加速、无网机器）：docs/docs/faq.md
- 插件系统与内置插件（AI 摘要、字幕自动调整）：buzz/plugins/
- 说话人识别组件：buzz/widgets/transcription_viewer/speaker_identification_widget.py
Buzz 的价值在于把整条转录链路放进你自己的机器：不上传、不过云端、不依赖网络，这是处理敏感音频时选择它的最主要原因。下一步很具体：挑一段三五分钟的录音，用小模型跑完第一次转录、导出一份 SRT，再换大模型对比一次准确率，你就能摸清自己硬件的合适档位。
【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
