Buzz 离线音频转写：从单文件到批量自动化，免费 15 分钟配好

Buzz 离线音频转写：从单文件到批量自动化，免费 15 分钟配好

【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 是一款免费开源的离线音频转写工具，完全在本地运行开源 Whisper 模型，把音频、视频转成文字，还支持翻译成其他语言和实时录音出字，音频不上传任何服务器。适合整理会议录音、给视频加标准字幕、批量归档大量语音文件的用户。

先判断适不适合你

• 常处理会议录音、访谈语音，要快速出文字并保留在本机
• 做视频内容，需要给成片配上 SRT / VTT 字幕
• 直播、演讲、开会时想要实时文字输出，并能投屏到大屏
• 机器不能联网，或不想把录音交给任何第三方服务

上面中一条就可以继续读下去。如果只想在服务器上跑一条脚本，纯命令行工具可能是更短的路。

装一次管一劳永逸：跨平台离线安装步骤

平台	安装方式	说明
Windows	从官方下载页取安装包	未做代码签名，弹窗时选"更多信息" → "仍要运行"
macOS	下载.dmg拖进"应用程序"	仅支持 Apple Silicon，Intel 机型最高 1.4.5
Python 3.12	pip install buzz-captions	需先装好 ffmpeg

Linux 二选一，各一行命令：

flatpak install flathub io.github.chidiwilliams.Buzz

或者sudo snap install buzz。

想提前体验未发布的修复和功能，克隆源码本地安装：

git clone https://gitcode.com/GitHub_Trending/buz/buzz

模型不用手动折腾：第一次用到哪个模型就自动下载，缓存位置在 Linux 是~/.cache/Buzz、macOS 是~/Library/Caches/Buzz、Windows 是%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache。菜单"帮助 → 偏好设置 → 模型"里点"显示文件位置"可以直达该目录。

网络环境下下载慢，启动前设置环境变量HF_ENDPOINT=https://hf-mirror.com走 HuggingFace 镜像。完全离线的机器，把联网机器上的模型文件夹整体拷到目标机相同位置即可，也可以用 scripts/download-models.py 预先打包模型缓存。

从零跑第一个转录任务：5 步完成

1. 导入文件：文件菜单或工具栏 "+"（或Ctrl/Cmd + O）选入 MP3、WAV，MP4、MKV 视频直接丢进去也行，Buzz 自动抽音轨，省掉转码环节。
2. 选任务：默认"转录"出原语言文字；结果要另一种语言就选"翻译"。
3. 手动指定语言：自动检测只参考开头几秒音频，知道说什么语言就手动选，误识别明显更少。
4. 选模型并运行：初次上手选Whisper.cpp后端加base或small模型，速度与可读性的平衡点。等状态列显示"已完成"。
5. 双击该行核对导出：转录查看器里文本与音频对照播放，核对完导出 TXT、SRT、VTT 三种格式。

把单个音频文件变成可交付文本：转录、翻译、说话人识别

查看器不只是读文本。顶部有搜索、导出、翻译、调整入口，音频播放器支持 0.5x–2.0x 变速、选中段落循环播放、"跟随音频"自动滚动，核对长录音不费劲。

翻译分两种：默认的"翻译成英语"走 Whisper 模型自身能力，离线可用；查看器里的 AI 翻译按钮调用 OpenAI 兼容接口，能翻到任意语言，也可以指向 Ollama 这类本地模型。

说话人识别按说话人自动切分并打标签，可以试听某位说话人 10 秒的句子确认身份，再把自动标签改成真名。多人访谈、圆桌讨论不用手工拆"谁说了什么"。

视频字幕生成：词级时间戳 + 调整

直接导出的字幕行常常过长或过碎，两个开关解决：

1. 转录前在高级设置打开词级时间戳，Buzz 给每个词单独打点，这是细粒度切句的基础。
2. 转录完成后在查看器点Resize，按静音间隔、标点、最大长度把散词合并成标准字幕行。

原音频文件还在本机时，合并会额外分析静音位置，边界更准。调完导出 SRT 或 VTT 就能挂进播放器。不想每次手动操作，Resize Transcript 插件可以在每次转录后自动按同样规则切分。

实时录音转录：会议与直播边说边出字

任务列表里选"录音"，挑好麦克风按录音键，文字跟着语音出。新句子落位有三种模式：

• 追加在下方：最新一句沉底，适合从上往下读。
• 追加在上方：最新一句永远置顶，不用滚动就能跟上当前内容。
• 追加并校正：新句子入列的同时回改上一句的识别错误，多人访谈、术语多的会议成稿最接近人工记录，代价是更吃算力。

两个配套能力：

• 实时导出：偏好设置里开启实时转录导出，文字边生成边写入 TXT 文件，译文单独落到.translated.txt，OBS 等直播软件直接读这个文件当字幕源。
• 演示窗口：一键把文字投到大屏，现场展示时观众同步看字。

实时转录对算力要求高，选Whisper.cpp后端配tiny或base模型才跟得上语速；会场嘈杂就打开语音提取，先把人声从背景里剥出来再转写。

批量转录自动化：文件夹监听与命令行批处理

固定目录持续落录音的工作流，不用每次手动导入：在偏好设置的Folder Watch页指定一个目录，Buzz 检测到新音频就自动建转录任务。

配合Skip Already Transcribed插件：重复导入同一批文件时，发现同名.txt/.srt/.vtt结果文件（或数据库已有记录）就直接复用，不重跑模型，批量重导的成本接近零。

脚本党用 CLI 一句命令完成同样的事，适合写进定时任务：

buzz add --task transcribe --model-size small --srt --vtt /path/to/audio.mp3

常用参数：-l指定语言、-w开词级时间戳、-e转录前先做语音提取、--hide-gui跑完即退。同一行可列多个文件依次处理，完整参数表见 docs/docs/cli.md。

插件系统也是批量流程的扩展入口：帮助 → 插件里可以开关 AI 摘要、导出 DOCX 等插件并拖动调整执行顺序，源码在 buzz/plugins/。

Whisper 模型与提速：调参速查表

目的	开关	效果
选对后端	偏好设置 → 模型	Whisper.cpp各类显卡都能跑，核显笔记本也能实时转写；Faster Whisper快一个数量级，需 Nvidia 显存 ≥ 6GB
模型分档	tiny / base / small / medium / large	tiny、base 出草稿，medium、large 出终稿；实时录音必须小模型
CPU 转录提速	BUZZ_WHISPERCPP_N_THREADS	16 线程机器设为 8 约提速 15%，线程再多反而变慢
老 GPU 比 CPU 还慢	BUZZ_FORCE_CPU=true	强制走 CPU
显存不够	BUZZ_REDUCE_GPU_MEMORY=true或"降低 GPU 内存占用"	8 位量化省显存，也可选q_5量化模型
嘈杂录音	语音提取	先剥离人声再转写
专有名词总转错	高级设置"初始提示"	填人名、产品名正确拼写，模型照着提示识别
字幕行过长过碎	词级时间戳 +Resize	按静音与标点合并成标准字幕行

卡住了先看这张表

症状	先查哪里
转录太慢	换更小模型；Nvidia 显卡到"帮助 → 关于 Buzz"装 CUDA 加速
应用启动闪退	模型下载不完整，偏好设置 → 模型 里删除重下
麦克风报错PaErrorCode-9999	Windows 设置 → 隐私 → 麦克风 授权 Buzz；临时关杀毒软件测试
提示不支持、无法启动	CPU 缺 AVX2 指令集，过老的机器不支持
模型下载超时	设置环境变量HF_ENDPOINT=https://hf-mirror.com
Intel Mac 装不上新版	新版只支持 Apple Silicon，Intel 停在 1.4.5

怎么选：与云端转录和纯命令行方案对比

方案	付出什么	音频去向	实时出字	适合谁
Buzz	免费开源，只耗本机算力	留在本机	支持	要图形界面、隐私敏感、兼做字幕与直播
云端转录 API	按量付费	上传到服务商服务器	支持	免维护、规模化、按用量付费
whisper.cpp 纯命令行	免费	本机	不支持	服务器环境、纯脚本批处理

隐私、实时、零费用三样都要，Buzz 是本地阵营里路径最短的一个；只要脚本批处理、不碰界面，纯命令行工具更直接。

参考资料

• 安装文档
• CLI 参数手册
• 偏好设置与环境变量
• 转录核心源码
• 离线模型预下载脚本

【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