企业官网建设流程全解析

离线语音转文字 3 分钟出字幕：Buzz 让数据不出本地

【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 是一款离线语音转文字工具：把 MP3、MP4 这类音频视频丢进去，得到 TXT 文稿或 SRT 字幕。转录全程在本地完成，基于 OpenAI 的 Whisper 模型，录音不上传任何服务器。适合不想把会议录音、采访素材交给云端的个人和小团队，本地音频转录、不上传数据的转字幕都靠它。

离线安装 Buzz：三种路径

Windows / macOS：从发布渠道下载安装包直接装。Windows 上应用未签名，弹出安全提示时选"更多信息 → 仍要运行"即可。

Linux：一条命令装 Flatpak 版（也有 Snap 版可装），装完直接打开：

flatpak install flathub io.github.chidiwilliams.Buzz

跟最新代码：克隆仓库，用 Python 3.12 环境装好依赖后，运行python -m buzz启动；不想碰源码也可以从 PyPI 装：pip install buzz-captions。

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

打开应用后是一个任务列表界面：所有录音的转录任务都排在这里，状态、进度一目了然。

一条录音转成带时间戳的字幕

工具栏点 "+"（或按 Ctrl/Cmd + O），选一个音频或视频文件，MP3、WAV、MP4 都能直接丢进去。导入后为它定三样东西：任务（转录原文 / 翻译成英文）、语言（知道就说具体语言，别用自动检测，开头几秒听不清就会猜错）、模型。

点 Run，等状态变成 Completed，双击这一行就打开转录查看器：每行文字带开始/结束时间戳，可以搜索（Ctrl+F）、按 0.5 倍到 2 倍速播放、在"时间戳 / 纯文本"视图间切换。

人名、专有名词容易被听错，把它们写进"高级 → Initial prompt"，识别时会照着这个拼法来。

导出格式按需选：

整个文件夹丢进去，自动批量转

一次可以添加多个文件，它们进同一个队列按顺序跑，你可以继续干别的，进度在任务列表里实时刷新。

想彻底不管它，开偏好设置里的Folder Watch（文件夹监控）：指定一个目录，往里丢什么音频就自动转什么。再启用Skip Already Transcribed插件，重扫文件夹时已生成过 .srt/.txt/.vtt 的文件会被直接跳过，不重复跑模型。

💡 需要脚本化、一次挂一堆参数时，用命令行buzz add --srt 文件即可静默跑任务，参数细节见 CLI 用法。

开会现场录音，实时出字

Live Recording 面板选好任务、语言和麦克风，点 Record，话音落下就实时出字。实时模式建议用whisper.cpp后端加小模型——默认 Whisper 模型吃资源，实时容易卡。

演示、分享场景有现成的Presentation window（演示窗口），把大字实时字幕投到副屏。

要录"电脑里放出来的声音"（网课、电话会议），先装一个虚拟声卡把系统声音导出来（macOS 用 BlackHole、Windows 用 VB CABLE），再把它选成 Buzz 的麦克风即可。

识别错的字怎么救

改字：打开转录查看器，直接编辑错误的文字。

对齐时间戳：选中某一行，Ctrl/Cmd + ←/→ 以 0.5 秒为单位挪开始时间，加 Shift 挪结束时间，边听边挪。

合并字幕：转录时勾上 Word-Level Timings，每个字都有时间点；之后点 Resize，就能按标点、静音间隙把碎片重新拼成一行行字幕，还能设单行最大长度、给每条字幕加停留时间。

分说话人：开启 Speaker identification，自动把不同人的话标成 Speaker 1、Speaker 2。

再翻译：默认任务可把语音直接转成英文文本；要译成其他语言，配一个 OpenAI 兼容的 API（本地 Ollama 也行），点 Translate 即可。

模型怎么选：速度、准确率、离线机器

后端（whisper type）决定跑在哪：

• whisper：OpenAI 原始实现，准但慢、吃内存
• faster-whisper：有 6GB 以上显存的 NVIDIA 显卡首选，快一个量级
• whisper.cpp：任何显卡、纯 CPU 都能跑，Mac 首选，集显也能实时
• huggingface：跑自定义模型，还支持 1000+ 语言的 MMS 系列

带.En的模型只认英文。NVIDIA 显卡需要 CUDA 12，Windows 安装包已内置。

🎯 完全离线的电脑（内网、涉密环境）：先在联网机器上下载模型，"帮助 → 偏好设置 → Models → Show file location" 找到目录（Linux 是~/.cache/Buzz），把整个 models 文件夹拷到离线机器同一位置，Buzz 就能脱网工作。

几个常见卡点

• 跑得慢：换更小的模型，或切到 whisper.cpp；显存够（≥6GB）就上 faster-whisper
• 麦克风报错 PaErrorCode-9999：系统权限没给到 Buzz，Windows 去"设置 → 隐私 → 麦克风"放行
• 启动崩溃：多半是模型下载不完整，在 Models 页删掉重下；另外 CPU 需支持 AVX2，太老的机器跑不了
• 还想看更多：FAQ 全文

打开终端装好 Buzz，把第一段录音拖进任务列表——3 分钟后，你的第一份带时间戳的字幕就躺在旁边。

【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