企业官网建设流程全解析

Buzz离线音频转录工具：5分钟免费转录你的音频

【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 是一款免费的离线音频转录与翻译工具：它跑在你自己的电脑上，所有识别工作由本地的 Whisper 模型（OpenAI 开源的语音识别模型）完成，音频文件不会离开你的设备。如果你经常整理会议录音、采访素材，或者不想把敏感音频交给云端服务，它解决的就是这件事。Buzz 支持转录音视频文件和 YouTube 链接，也能对着麦克风实时转写，结果可导出 TXT、SRT、VTT 三种格式。

Buzz 主界面：导入的文件以任务列表呈现，每行显示进度与状态，双击打开结果查看器

安装 Buzz 并跑通第一次转录

按系统选一种安装方式即可：

• Windows / macOS：从官方发布页（SourceForge）下载安装包（.exe / .dmg）按提示安装。Windows 上应用未签名会弹警告，点"更多信息 → 仍要运行"即可。
• Linux：一条命令装好

  flatpak install flathub io.github.chidiwilliams.Buzz

  也可用sudo snap install buzz。

• 开发者：通过 PyPI 安装pip install buzz-captions，然后运行python -m buzz。需要 Python 3.12，并提前装好 ffmpeg。

装完后的第一次转录路径：点左上角"+"→ 选一个音视频文件 → 选任务（转录 / 翻译成英语）、语言、模型 → 点"运行"。状态变成 Completed 后，双击该行打开查看器。

偏好设置里的模型页：可下载和删除 Whisper 模型，新手建议先从 base 或 small 开始

实时录音转写：边说边出字的 3 种模式

Buzz 直接对麦克风录音并持续产出文字草稿，适合会议、演讲、采访。选好转写任务、语言、模型和麦克风，点"录音"就开始。偏好设置里可以切换三种录音模式：

• 追加在下方 / 追加在上方：新句子加在末尾或顶部，中间空一行，现场展示最直观。
• 追加并校正：新句子接到文末，同时回头修正前文的错误，准确率更高，但更吃硬件。

两个实用配置：

• 演示窗口：开始录音后可调出一个大字体的展示窗口，把实时转写投给会场观众。
• 录电脑里播放的声音：macOS / Windows 上把系统声音接到虚拟音频设备（如 BlackHole、VB CABLE），再把它选为"麦克风"，就能直接转写应用播放的音频。

转录完成后：字幕重排、说话人识别、AI 翻译

文件转写完毕后，双击打开查看器，这里集中了三个最常用的操作：

转录查看器：每段文字都有独立时间轴，可逐段播放核对，支持搜索与语速调节

• 调整大小（Resize）：如果转录时勾选了"词级时间戳"，点"Resize"可以把单词按字幕行重新分组，能设最大长度、按标点断行，还会分析原音频的静音段让断点更准。
• 说话人识别：点"识别说话人"，不同人的话会自动打标签；每个标签可以试听 10 秒随机语句，再改名成真实姓名；勾选"合并同一说话人的连续语句"保存后，整篇就是清晰的对话结构。注意该功能在 Intel 芯片的 Mac 上不可用。
• AI 翻译：内置翻译走 Whisper 的能力（目标是英语）；要翻成其他语言，在偏好里配置任意 OpenAI 兼容 API（含本地部署的模型），并在"给 AI 的指示"里写清目标语言。文档估算 1 小时音频的翻译成本约 1 美元。

Resize 面板：设置字幕最大长度与合并规则，重排后导出 SRT / VTT

自动化流水线：监视文件夹、CLI 与 6 个内置插件

熟悉之后，可以让 Buzz 自己干活：

• 文件夹监视：在偏好里指定一个目录，新音频丢进去就自动转写，会议录音不用手动处理。
• 命令行（CLI）：适合脚本和批量场景，一条命令转录并直接导出 SRT + VTT：

  buzz add --model-type whispercpp --model-size small --srt --vtt 会议.mp4

  加--task translate --language fr还可以做法语转英语。

• 插件系统（1.4.5 起）：在"帮助 → 插件"里开关、排序、配置。内置 6 个：AI 摘要（转写后生成摘要存进备注或文本文件）、导出 DOCX、增强语言检测（用本地模型先自动判断语种）、转录自动重排、DeepFilterNet 降噪（转写前先去噪）、跳过已转录（同文件不重复转）。插件源码在 buzz/plugins/，照着写自己的也不难。

新手避坑清单：开始之前的 6 件事

• 手动指定语言。"检测语言"只靠开头几秒猜测，官方文档明确建议已知语言时自己选，否则容易翻车。
• 实时场景用小模型。默认 Whisper 模型吃资源，官方建议实时转写用 Whisper.cpp 后端 + tiny / base 模型，有 GPU（CUDA / Vulkan）会更快。
• 用初始提示喂专有名词。"高级..."按钮下有 Initial prompt，把人名、术语填进去，能明显减少错拼。
• 量化模型省内存。模型设置里 Whisper.cpp 支持 q_5 等量化版本；环境变量BUZZ_REDUCE_GPU_MEMORY可全局启用 8bit 量化，显存占用大幅下降。
• 线程不是越多越好。把BUZZ_WHISPERCPP_N_THREADS设为核心数的一半左右，文档实测有约 15% 提速，再往上反而变慢。
• 模型下载位置。默认存在用户缓存目录，磁盘紧张时用BUZZ_MODEL_ROOT环境变量换到别的盘。

常见问题：速度、准确率、格式支持

• 速度慢怎么办：换 tiny / base 模型；PyPI 安装的版本给 Nvidia 显卡装 CUDA 版 torch（README 里有具体版本命令）；老显卡行为异常时用BUZZ_FORCE_CPU=true强制走 CPU。
• 准确率不够怎么办：在安静环境重录、手动指定语言、打开"提取语音"（把人声单独抽到一条音轨再转写）、给专有名词加初始提示。
• 支持哪些格式：ffmpeg 能读的音视频都行（MP3、WAV、MP4 等，视频会自动取音轨）；导出 TXT / SRT / VTT，加 DOCX 插件后还能出 Word 文档。
• 支持多少语言：CLI 语言参数里列了 99 个语言代码，从南非语到中文。实时转写还可以开启"实时导出"，边说边把结果写进 txt 文件，方便接 OBS 等外部工具。

上手三步清单

1. 安装 Buzz，在模型页下载一个 base 或 small 模型。
2. 导入一段短音频，手动指定语言跑一次转录，打开查看器核对结果。
3. 会议场景开启文件夹监视 + 说话人识别，形成你的固定工作流。

完整功能说明在 docs/docs/，主程序代码在 buzz/。

【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