企业官网建设流程全解析

Buzz 完整指南：本地离线 AI 音频转录，把录音免费变成可编辑字幕

【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 是一款本地离线 AI 音频转录工具，基于 OpenAI 的 Whisper 模型，能把电脑里的录音和视频变成文字和时间轴字幕，全程不用联网。这篇指南把从安装、调参到进阶玩法的坑都踩过一遍整理出来，你照着走就能出结果，不用再自己翻文档。

你的痛点，它替你解决

如果你用在线转写网站时被按时长收费，或者稍长的文件就要付费墙拦着。 如果你担心会议录音、访谈素材上传到第三方服务器后泄露。 如果你所在的环境经常断网，而在线服务一断网就彻底罢工。

Buzz 把音频处理全部留在本机：不上传、不计时、不联网。如果你中过上面任何一条，继续往下读。

它和在线转写差在哪

• 数据不出本机
• 开源，永远免费
• 有显卡更快，没有也能跑

⚡ 从安装到拿到第一份文稿

1. 先装好客户端：Windows 双击安装包走完向导，macOS 下载 .dmg 安装，Linux 用 Flatpak/Snap，或pip install buzz-captions后运行python -m buzz，细节见 安装说明
2. 把文件丢进去，三种方式任选：
   • 点工具栏的+按钮
   • 按快捷键Ctrl+O（macOS 是Cmd+O）
   • 直接把文件拖进窗口；YouTube 链接也能粘贴进去直接导入
3. 选参数、点运行：在任务面板选好任务类型、语言、模型和输出格式，点运行，任务进队列，多个文件会排队并发处理
4. 拿结果：处理完在转录窗口看到逐句带时间戳的文字，可复制，也可导出 TXT、SRT、VTT

🎚 三个决定输出质量的开关

• 任务类型：选转录，输出和原音频同语言的文本；选翻译，非英语内容直接输出英文。选错的话，你只是想要文字稿却拿到一份英文翻译
• 语言：自动检测对长音频够用，但短片段、多语言混杂时手动指定更稳。支持 99 种语言，中文、日语、德语等主流语种全覆盖
• 模型大小：tiny/base 最快，适合实时转录；small/medium 是日常甜点区间；large 精度最高，留给重要材料。选小了漏关键词，选大了等得久

更多选项见设置面板里的模型管理，已下载的模型和可下载的模型一目了然。

🔍 容易被忽略的能力

字幕整形 Resize

解决"字幕行要么太长看不完、要么太碎频繁跳"的问题。打开转录窗口进入 Resize 工具，设定目标长度，它会按标点和时间间隔自动重新断句、合并过碎的字幕、拆分超长句，给 B 站或 YouTube 适配格式就是改几个数字的事。

实时转录 + 演示窗口

解决"会议、课堂上说话的人还在讲，文字还没出来"的问题。点麦克风按钮就开始吃麦克风输入，说话的同时屏幕出字，还能投到专门的演示窗口放大展示，直播加字幕、现场出纪要都能用。

说话人识别

解决"多人录音分不清谁说了什么"的问题。转录完成后它自动给不同发言者打标签，会议记录、访谈整理不用再来回猜。

🤖 让它自己干活

文件夹监控

在设置里指定一个监控文件夹，之后新音频丢进去就自动开始转录，全程不用碰鼠标，适合定期更新的播客和批量堆积的课程录音，入口在 监控设置源码 对应的偏好面板。

插件机制

内置插件按需开关：AI 摘要生成、字幕优化、跳过已转录文件、增强语言检测、导出 DOCX，拼一套自己的工作流即可，源码在 buzz/plugins/。

命令行

适合批量任务和定时脚本，示例：

# 转录单个文件并指定中文 buzz add --task transcribe --language zh audio.mp3 # 用 Whisper.cpp 后端 small 模型转录，同时导出 SRT 和 VTT 字幕 buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt interview.mp4 # 把一批文件翻译成英文 buzz add --task translate *.mp3

完整参数见 CLI 文档。

找到你的位置

• 学生/老师：导入课程录音 → 导出 TXT 笔记 → 按时间戳跳知识点
• 视频创作者：导入视频 → Resize 统一行宽 → 导出 SRT 进剪辑软件
• 职场人：实时转录 + 说话人识别 → 直接产出结构化会议纪要
• 研究者：批量导入访谈 → 按说话人区分 → 导出文本做分析

少走弯路的几个提醒

1. 先用小模型摸底：tiny/base 快速过一遍全部文件，重要的再换 large 重跑
2. 让硬件配得上模型：NVIDIA 记得开 CUDA，Apple Silicon 直接用优化版，纯 CPU 就选小一号模型
3. 先清理输入再转录：环境嘈杂时先勾选提取语音，准确率提升明显
4. 把专有名词填进初始提示词：人名、地名、术语填进去，识别率肉眼可见地变好
5. 批量任务开"跳过已转录"插件：重复跑同一批文件时自动跳过已完成项

❓ 你可能想问的

Q：必须联网吗？A：不用。所有处理在本机完成，只有主动选 OpenAI API 后端时才需要网络。

Q：支持多少种语言？A：99 种，中、英、日、德等主流语言都覆盖，转录和翻译都支持。

Q：能处理多长的音频？A：没有硬性限制，几秒到几小时的录音都可以。

Q：结果存到哪里？A：可在转录窗口直接查看和导出，所选格式的 TXT/SRT/VTT 文件随源文件一起生成。

Q：没有显卡会慢很多吗？A：会，但纯 CPU 照样能跑，用 tiny 或 small 模型保持速度即可。

一句话总结

从把"听写"外包给第三方，到变成完全可控的本地能力，Buzz 让声音变成可搜索的文字资产。现在就下载它，导入第一段录音，看字幕长出来。

官方文档：docs/docs/

【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