企业官网建设流程全解析

Buzz 完全指南：免费快速完成离线音频转录与视频字幕生成

【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 的离线音频转录工具，面向需要会议记录、视频字幕或外语学习材料的普通用户，全部计算都在你自己的电脑上完成。比如刚结束一场会议，把录音文件拖进 Buzz，几分钟后就能得到一份带时间戳的 SRT 字幕和纯文本记录，音频文件从头到尾没有离开过本机。

各平台安装步骤：从下载到看到第一个结果

按你的系统选最短路径：

• Windows：从官方发布页下载安装程序。程序未做签名，首次运行会弹出安全警告，点"更多信息"→"仍要运行"即可。
• macOS：从官方发布页下载 .dmg 安装包，支持 Intel 和 Apple Silicon。
• Linux：通过 Flatpak 或 Snap 安装，Flatpak 包名为 io.github.chidiwilliams.Buzz；Snap 方式安装后记得连接密码管理器接口。
• Python 环境（跨平台）：

pip install buzz-captions python -m buzz

Linux 下用 pip 方式可能需要先补装一些系统库（ffmpeg、libportaudio2 等），详见 安装文档。

启动后进入主界面：点工具栏"+"号（或按 Ctrl/Cmd+O）导入一个音频文件，选择任务和语言，点 Run，状态列变成 Completed 后双击该行，就能看到第一条转录结果。模型文件会下载到用户缓存目录（如 Linux 的 ~/.cache/Buzz），下载后即可离线使用。

第一次文件转录：从导入到输出 TXT / SRT / VTT

目标是把一段音频或视频变成可交付的文字或字幕文件。操作路径：

1. 导入媒体文件：File 菜单的 Import Media File，或直接拖入。视频文件会自动提取音轨。
2. 设置任务参数：任务（转录 / 翻译成英文）、语言、模型类型和大小；高级选项里可勾选导出格式（TXT / SRT / VTT）、词级时间戳、语音提取（从嘈杂音频中先抽出人声）。
3. 运行并查看：完成后双击任务行打开转录查看器，支持文本搜索、播放进度跟随、播放速度调节、片段循环。
4. 导出：在查看器里导出为选定的格式，文件名模板可在偏好设置中自定义变量。

翻译任务：任务选 Translate to English 可把外语音频直接转成英文文本；若要转成英文之外的语言，可以配合 OpenAI 兼容 API 做 AI 翻译，翻译结果与原文并排显示，也可单独导出为 .translated.txt。

实时录音设置：麦克风、语言与模型的配合

适合会议、讲座、访谈这类"边讲边要文字"的场景。操作：

1. 在主界面切到实时录音区域，选择任务（Transcribe / Translate to English）、语言、麦克风。
2. 点 Record 开始；文字按句子实时追加，可开启演示窗口在大屏上展示实时字幕。
3. 偏好设置里可选择三种追加模式：Append below、Append above、Append and correct（后者会回头修正上一句的错字，但更吃性能）。

官方文档明确提示：默认 Whisper 模型做实时转录资源消耗很大，建议改用 Whisper.cpp 并选小模型（base/small），这样才能在普通笔记本上接近实时。想录"电脑里播放的声音"（而非麦克风），需要先配置虚拟音频设备（macOS 用 BlackHole、Windows 用 VB CABLE、Linux 用 PulseAudio 路由），再在 Buzz 里选中它作为输入源，步骤见 实时录音文档。

说话人区分与字幕重排：两个进阶产出

说话人识别：在转录查看器里点 Identify speakers，Buzz 会把每句话标注为不同说话人，可试听任意一段 10 秒音频确认身份，并把自动标签改成本人的真实姓名；保存时可勾选把同一人的连续句子合并成一段。注意该功能在 Intel Mac 上不可用。

字幕重排（Resize）：如果转录时勾选了词级时间戳，可以在 Resize 面板里按"单行字幕最大长度、是否按标点断句"重新分块，还能给每条字幕的结束时间统一延长若干秒，让字幕在屏幕上停留更久。若原始音频文件仍在，工具会分析静音间隙来切分，效果更好。

插件扩展：1.4.5 版起 Buzz 内置插件系统，在 Help → Plugins 里可开关、排序、配置。内置插件包括：AI Summary（调 OpenAI 兼容 API 生成摘要）、Enhanced Language Detection（转录前用本地模型先识别语言）、Export to DOCX（导出 Word，可带时间戳）、Resize Transcript（转录后自动重排字幕）、DeepFilterNet 降噪（转录前去除背景噪音）、Skip Already Transcribed（重复导入时跳过已有结果）。插件机制与源码结构见 插件文档。

偏好设置里值得动的手柄

• 语言：已知音频语言就手动指定，别依赖自动检测，多数情况下准确率更好。
• Initial prompt：音频里频繁出现的人名、产品名、术语写进初始提示，能明显减少拼错。
• 模型管理：在 Models 页下载、删除模型；Whisper.cpp 还支持粘贴自定义 .bin 模型下载地址，以及 q5 等量化版本省内存。
• 高级项：走环境变量配置，比如 BUZZ_FORCE_CPU（GPU 有问题时强制 CPU）、BUZZ_WHISPERCPP_N_THREADS（16 线程笔记本设为 8 可提速约 15%）、BUZZ_REDUCE_GPU_MEMORY（8bit 量化省显存）。

模型与后端选型对照：什么场景选什么

通用判断：小模型快但错得多，大模型准但慢且吃硬件；官方 FAQ 的建议是"最可靠的方法是拿自己的语言把所有候选模型各测一遍"。量化模型（如 q5）适合内存紧张时跑更大的模型。

局限与常见坑：容易失败的地方和规避办法

• 老机器跑不起来：CPU 必须支持 AVX2，很老的电脑直接不支持。
• 首次运行报麦克风错误（PaErrorCode-9999）：多半是系统麦克风权限被挡，检查 Windows 的 隐私→麦克风 设置，或临时关闭可能拦截的杀毒软件。
• 模型下载不完整会闪退：到 帮助→偏好设置→模型 里删除已损坏的模型文件重新下载。
• 实时转录未必真实时：这是资源密集型任务，默认 Whisper 模型基本跑不动，换 Whisper.cpp + 小模型才现实；Append and correct 模式下要盯着队列，积压了就调大转录步长。
• Windows GPU 有门槛：安装包自带 GPU 支持但要求 CUDA 12，旧驱动环境会退回 CPU。
• 录系统声音要额外配置：Buzz 只从输入设备取声，录软件播放的声音必须先建虚拟音频设备。
• 完全离线要用好"搬模型"技巧：在有网机器上下载模型，把整个模型缓存目录拷到离线机器的相同位置（如 Linux 的 .cache/Buzz/models），仓库里的 scripts/download-models.py 就是为这件事准备的。
• 说话人识别在 Intel Mac 上不可用，规划功能时先排除这条。

适合谁，不适合谁

适合：

• 处理敏感音频（企业会议、内部访谈），数据不能出本机的人
• 经常需要 SRT / VTT / TXT 字幕文件的视频和播客创作者
• 需要区分说话人、事后整理纪要的会议组织者
• 有离线环境、或不想为云转录按量付费的用户

不适合：

• 期待在老旧电脑上获得"秒级"实时字幕效果的人
• 只想点一下网页链接就出结果、不愿装桌面应用、也不愿下载模型文件的人
• 依赖 1000+ 低资源语言且不想折腾 Hugging Face 模型的普通用户
• 追求"上传即出稿"、可接受数据上云的场景（那种直接用云 API 更省事）

下一步

更多细节看仓库内的 官方文档，模型下载位置、GPU 加速、离线部署等问题可查 FAQ，插件的钩子与写法在 plugins/ 源码里都能直接参考。把第一个文件转录完，你就掌握了 Buzz 的 80%。

【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