Buzz 离线语音转文字：免费本地 Whisper 转录完整上手指南
【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 是一款跑在你自己电脑上的音频转录工具，基于 OpenAI Whisper 离线完成语音转文字和多语言翻译，音频不出本机，全程免费，不上传任何数据。
它帮你解决什么问题
你有没有过这些时刻：会议录音攒了一堆，想转成文字却发现在线服务要么要注册、要么按量收费；视频要做字幕，但又不想把素材传到别人的服务器上；有些音频涉及敏感内容，根本不能离开本地。Buzz 就是为这些场景准备的。它在本地调用 Whisper 家族模型完成转录，后端可选 Whisper、Whisper.cpp、Faster Whisper、Hugging Face 模型等多个，桌面形态，MIT 许可证，你想怎么用都行。
装好跑通第一遍
用图形界面的你，直接去下载页拿对应平台的安装包。Windows 用户注意一点：安装包没有做代码签名，安装时系统会弹安全警告，点"更多信息"再选"仍要运行"就行，属于正常现象。macOS 用户现在需要 Apple Silicon 机型，Intel 的 Mac 只能用到 1.4.5 及更早版本。
Linux 用户最省事，一条 Flatpak 命令：
flatpak install flathub io.github.chidiwilliams.Buzz想从源码或 PyPI 装的开发者，前提是本机装好 ffmpeg。Python 环境下执行：
pip install buzz-captions python -m buzz装完打开应用，导入一个音频文件，选好语言和模型，点运行，第一次转录的完整流程就走通了。
习惯命令行的你，一条buzz add就能指定后端、模型和输出格式：
buzz add -m whispercpp -s medium -l zh --srt meeting.mp3不打开窗口也能跑，加上--hide-gui参数即可，后面讲自动化时会再用到。
三种用法按需选
姿势一：把文件丢进桌面界面。这是最顺手的用法，几个要点值得知道：
- 支持近百种语言，语言栏留空则自动检测，适合混杂或不确定语种的内容
- 转录结果可导出 TXT、SRT、VTT 三种格式，SRT/VTT 能直接进剪辑软件
- 转录查看器支持搜索、播放控制、倍速播放，点哪段播哪段
- 想区分谁说了什么，用说话人识别功能把发言人标注开
- 某个片段时间戳对不齐？用片段调整工具手动微调起止时间
- 批量处理可以把目录设为监视文件夹，新文件落进去自动建任务转录
姿势二：开麦克风实时转。主界面切到实时录音模式，选好麦克风就能边说边出字。出字不是瞬时的，系统默认有一段缓冲延迟来保证文字和语音对得上。现场演讲或活动演示时，还能单独弹出一个演示窗口把实时文字投出来。转录的同时也可以指定目标语言做翻译，说完直接得到译文。
姿势三：命令行加监视目录做自动化。buzz add的参数基本覆盖界面里的所有选项：-m选后端（whisper、whispercpp、fasterwhisper、huggingface、openaiapi），-s选模型大小，-l指定语言，-t translate切换到翻译任务，输出格式用--srt、--vtt、--txt控制。1.4.6 版本起支持一次传多个文件排队处理，也能用通配符把整个文件夹的录音丢进去，再用--output-directory把产物统一放到字幕目录：
buzz add --srt --output-directory ./subtitles recordings/*.mp4这样就能写进脚本或 CI 流程，夜里跑一批，早上收字幕。
两个场景走一遍
场景 A：给已有视频出字幕。导入视频文件，Buzz 会自动抽音轨，你不用自己转格式。任务选"转写"，语言按内容指定（知道是中文就直接选 zh，别用自动检测，更准），模型按机器性能选 small 或 medium，运行。跑完后打开转录查看器核对时间戳，哪里不对就调整，最后导出 SRT 或 VTT。产出物是一个能直接拖进剪辑软件的字幕文件，安静环境下录的内容，基本不用人工精校。
场景 B：会议边录边转。切到实时录音模式，选好会议麦克风，开始录音，底部面板实时出字。结束后保存这条转录，如果人多，跑一遍说话人识别把发言者分开，再按需翻译成目标语言归档。产出物是一份带时间戳、区分了发言人、可翻译成任意语言的文字记录。
性能与避坑
如果转录速度慢得离谱，先想两件事：模型是不是选大了？小机器直接用 tiny 或 base。后端是不是没吃到 GPU？换 Whisper.cpp 后端并启用加速，N 卡走 CUDA，其他显卡走 Vulkan，速度差距非常明显。
如果专有名词、术语总被识别错，去高级设置里填初始提示（initial prompt），把术语和背景塞进去给模型上下文。另外，确定音频语言时手动指定，别交给自动检测，能省掉一部分误判。
如果 Windows 安装时报安全警告，不用慌，安装包本身没签名，"更多信息"→"仍要运行"就是标准解法。
如果 PyPI 装的版本 GPU 不生效，多半是因为默认装的是 CPU 版 torch。按 README 的说明改装带 CUDA 后缀的 torch 和对应运行库，N 卡才能跑起来。
二次开发入口
想接新转录后端，看 buzz/transcriber/ 目录，Whisper、Whisper.cpp、Faster Whisper、Hugging Face 各占一个文件，照着写一个实现接口即可。插件机制在 buzz/plugins/，内置的 AI 摘要、DOCX 导出、自动调整字幕时长都在这，想加自定义后处理就从这里入手。命令行完整参数一览在 docs/docs/cli.md。
更多使用细节看 docs/docs/ 里的文档；跑批任务遇到问题，或者有想要的功能，直接去项目 Issues 提，维护者更新很勤。
【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
