Buzz 离线音频转文字实操指南：本地 Whisper 转录一次讲清
【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 是一款基于 OpenAI Whisper 的离线音频转文字工具，录音、播客、采访视频交给它，全部处理发生在你的电脑本地，全程不上传文件。它面向三类人：整理会议录音的打工人、处理采访素材的记者，以及给视频加字幕的创作者。下文按"装好、转出第一稿、把结果改到你满意"的顺序讲。
🎯 Buzz 是什么：三句话说清
- 本地离线音频转录：音频不离开你的电脑，没有网络也能跑，前提是把模型提前下好
- 多种 Whisper 实现可切换，NVIDIA 显卡、Apple Silicon、集显都能加速
- 支持批量导入多个音频/视频文件排队处理，结果可导出 TXT、SRT、VTT
💻 Buzz 安装与第一次离线音频转文字
Windows 和 macOS 从官方渠道下载安装包即可，Windows 版未签名，安装时看到警告选择"更多信息 → 仍要运行"；Linux 用 Flatpak 或 Snap 安装，Python 用户也可以走 PyPI 装（需要 Python 3.12 和 ffmpeg）。Linux 下用 Flatpak 只需一行：
flatpak install flathub io.github.chidiwilliams.Buzz装好后打开主界面，工具栏的"+"按钮（或 Ctrl/Cmd + O）就是导入入口。选几个 MP3、WAV、FLAC、MP4 之类的文件加入队列，选择任务（原语言转写，或翻译成英文）、语言、模型类型和大小，点"Run"。队列按顺序执行，状态变成"Completed"后双击那一行，就打开了带时间戳的转录结果。如果人名、产品名总被识别错，点"Advanced..."在 Initial prompt 里写上这些词，错字会明显减少。
⚙️ Whisper 模型选择：按场景对号入座
模型大小直接决定速度和准确性，官方文档里的 FAQ 给了明确方向：
| 你的场景 | 建议 | 备注 |
|---|---|---|
| 求快 | tiny / base，配 Whisper.cpp 后端 | 错字多，适合先出一稿再人工修 |
| 求准 | Large-V3 | 偶尔会"幻觉"出音频里没有的词，交付前需核对 |
| 均衡 | Large-V2 或 Turbo | Large-V2 对不少语言更稳，Turbo 兼顾速度和准确性 |
后端选择也有讲究：Whisper.cpp 支持各类显卡甚至纯 CPU，是 Mac 上的首选；Faster Whisper 需要 N 卡且至少 6GB 显存；Whisper 原版准确但慢、吃内存。另外带.En的模型只支持英语，别拿来转中文。模型在"Help → Preferences → Models"里下载和管理，也可以填下载地址导入自定义.bin模型。
✂️ 转录之后：编辑、字幕调整、导出与实时转录
编辑文字：转录查看器里可以逐段改文字和时间戳，自带搜索（Ctrl+F）、播放控制、0.5 到 2 倍调速，还有"跟随音频"自动滚动，长音频校对不用手动找位置。
字幕调整：点"Resize"打开调整面板。如果转录时勾选了词级时间戳，可以按字幕最大长度、是否按标点拆分来重新合并字幕，并且会分析音频静音段以提高切分准确性；没勾词级时间戳的转录只能重新合并长度。还能给每条字幕统一延长显示时间，适合让字幕在屏幕上停留更久。
导出：工具栏的导出菜单选 TXT（纯文本）、SRT 或 VTT 字幕格式，默认导出文件名可在设置里用变量自定义，比如带上原文件名和日期。
麦克风实时转录：选一个录音任务，点工具栏麦克风按钮，说话就会被持续转成文字，适合现场记录、讲座和即时字幕。官方提醒：实时模式建议用 Whisper.cpp 后端加小模型，否则电脑会吃力。录音还能开"Presentation window"，把实时字幕投到第二块屏幕。
📌 实用细节速览
- 明确选语言：自动检测靠开头几秒猜，官方建议已知语言就直接选，质量更稳。
- 批量与自动：多文件一次性导入即自动排队；开启监控文件夹后，新文件落盘就自动转录。
- 快捷键：Ctrl/Cmd + O 导入、Ctrl/Cmd + F 搜索、Ctrl/Cmd + G 跳到当前播放位置，都在"偏好设置 → 快捷键"里可改。
- 模型缓存：存在系统缓存目录（Linux 为
~/.cache/Buzz，macOS 为~/Library/Caches/Buzz），损坏就删掉重下；完全离线的环境可从别的电脑拷贝模型文件夹过去。 - 硬件前提：CPU 需要支持 AVX2，过老的机器跑不起来。
装好应用、选对模型、导入文件、点运行、导出结果——从一段原始音频到可交付的文本或字幕，就是这几步。
【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
