企业官网建设流程全解析

Buzz 本地音频转录实战指南：5 步把录音变成文字和字幕

【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 是一款完全免费的本地音频转录工具，基于 OpenAI 的 Whisper 模型，全程在你自己的电脑上运行，断网照样能用，一个子儿不花。想象一下这个场景：三小时的课程录音躺在桌面上，今晚就要一份逐句文字稿，在线转写服务却要你先上传文件、再按分钟收费，断网时干脆罢工。Buzz 就是为这种时刻准备的——不上传、不付费，丢进去、等进度条走完就行。

🎯 差异一张表：Buzz 本地转录凭什么和在线服务不同

• 隐私是它的立身之本。商务会议、访谈素材这类敏感音频，从头到尾都在你的硬盘里，不经过任何中转服务器，泄露这条路从源头就被掐断。
• 开源 = 永久免费 + 社区推着走。代码完全开放，社区迭代节奏快，你踩到的坑可能下次更新就填上了。
• 硬件支持给得大方。NVIDIA 显卡可开 CUDA 加速，Apple Silicon 芯片有深度优化，还兼容 Vulkan；就算没有独显，纯 CPU 也能跑，只是快慢的区别。

⚙️ Buzz 安装与第一次转录：5 步拿到第一份文字稿

第 1 步：装好并启动。从官网下载对应系统的安装包，双击、按向导点完即可，macOS 和 Linux 也有各自的安装文件。打开主窗口，你会看到左侧任务列表、右侧转录选项区。

第 2 步：把文件喂进去。MP3、WAV、FLAC、MP4、AVI 等常见音视频格式都认。导入有三个入口：点工具栏上的 "+" 按钮、按 Ctrl+O（macOS 是 Cmd+O）、或直接把文件拖进窗口。它还能吃链接——用 URL 导入，粘贴视频地址就自动拉取音频进入流程，做字幕省掉了手动下载那一步。

第 3 步：选模型、缺啥下啥。在模型下拉框选一个 Whisper 模型；如果对应规格还没下载过，到模型设置页点一下下载，进度可见。

第 4 步：点 Run 进队列。确认任务类型、语言、导出格式后按 Run，任务即刻入队，主窗口能实时盯进度，多个文件会排队并发处理。

第 5 步：双击看结果。状态变成 Completed 后，双击该行打开转录窗口，带时间戳的逐句文本都在里面，可直接复制、导出。

🔍 Buzz 参数调优：4 个最影响转录质量的开关

第一次跑出来效果不理想，十有八九是这四个开关没调对。

• 任务类型：决定它是"原样听写"还是"顺手翻译"。选 Transcribe，输出与音频同语言的文本；选 Translate，则把非英语内容直接转成英文。已知语言的录音就用 Transcribe，想要跨语言稿件才动用 Translate。
• 语言：知道就点名，不知道才让它猜。自动检测多数时候够用，但既然事先知道录音里说什么语言，手动点名往往换来更稳的准确率。它支持 99 种以上语言，中、英、日、德等主流语种全在列。
• 模型大小：速度和准确率之间的档杆。tiny 到 large 五档从小到大排开，设置页里能看清哪些已下载、哪些可以一键补齐。日常素材用 small 或 medium 是甜点档，重要材料、专业内容直接上 large。
• 导出格式：TXT 出纯稿，SRT / VTT 出字幕。几个格式可以同时勾，一次处理多份产出。要给视频配字幕就勾 SRT 或 VTT，省得事后手工补时间戳。

🚀 Buzz 进阶用法：字幕整形、实时转录、说话人识别

字幕整形：治住"一屏放不下"的长行

长录音转成字幕后，行长度完全不受控——太长观众读不完，太短又频繁跳行，这是最磨人的问题。操作：双击转录结果进入编辑器，点 "Resize" 按钮，设定每行目标长度，它会按标点和语义重新断句；还能按时间间隔合并过碎的字幕、按标点拆长句、按最大长度强制分块，甚至可以统一延长每条字幕的停留时间。不同视频平台的字幕规范不同，改几个数字就能适配，原本半小时的手工活，现在几分钟自动完成。

实时转录：话音落地，文字跟上

在线会议、课堂、直播里，常常需要"话一出口字就出来"，而多数工具要么要联网、要么不能本地留存。操作：在主界面选好录音任务、语言和麦克风，点 Record 按钮，屏幕就随你的语音实时蹦字；需要投屏时，在录音过程中打开专门的演示窗口，实时转录会被放大展示。会议纪要、课堂笔记、直播字幕，都能这样边说边产出。

说话人识别：多人对话不再"他说她说"猜来猜去

访谈、会议录音里多个声音混在一起，转录完只剩一长串文字，谁说了什么全靠上下文猜。操作：在转录窗口点 "Identify speakers" 按钮，它会自动给不同发言者打标签并标记各自的句子；你还能试听该说话人 10 秒的语音片段确认身份，把自动标签改成真实姓名，也可以勾选把同一人的连续句子合并成段。

四类人群场景速查：拿来即用

批量脚本党还有命令行入口，比如一次性把一批文件转成字幕：

# 批量转录目录下所有 mp3，并直接导出 SRT 字幕 buzz add --task transcribe --model-type whispercpp \ --model-size small --srt *.mp3

更多参数细节见官方 CLI 文档。

Buzz 批量转录避坑 5 条

1. 先把模型下好，别现下。首次跑任务时若缺模型，任务会卡在下载环节，提前在模型设置页补齐规格，跑起来才不卡壳。
2. 已知语言一定手动选。自动检测是省事选项，不是准确选项，手动指定几乎总不会更差。
3. 专业术语写进初始提示词。人名、地名、专有名词填进高级设置的 Initial prompt 框，这些词的识别率会肉眼可见地涨，技术讲座、医学讨论场景尤其明显。
4. 嘈杂录音先开"提取语音"再转。勾上 Extract Speech，它会先把人声单独抽出来再转录；噪音更重的素材，可以顺手启用 DeepFilterNet 降噪插件做前置处理。
5. 批量任务用小模型摸底、大模型精修。先用 tiny 把全量文件快速过一遍，挑出真正重要的换大模型重跑；再配合文件夹监控和"跳过已转录"插件，重复劳动交给程序。插件开关和顺序都在 Help → Plugins 里调，更多插件结构可翻插件目录。

Buzz 快问快答

Q：Buzz 必须联网吗？A：转录本身不需要。只有下载模型、检查更新时走网络；选调用 OpenAI 在线 API 做翻译或摘要时才需要联网，默认全本地流程。

Q：支持多少种语言？A：99 种以上，中、英、日、法、德等主流语言全覆盖，识别和翻译都支持。

Q：处理速度怎么样？A：取决于音频时长、模型大小和硬件。带 GPU 的机器通常能到实时甚至更快；纯 CPU 环境建议把模型降一档，或换 Whisper.cpp 后端提速。

Q：能转多长的音频？A：没有硬性长度限制，几秒的语音到几小时的录音都能处理，长文件在队列里排队慢慢跑。

Q：实时转录会不会卡？A：会随硬件波动。默认 Whisper 模型吃资源，实时场景建议换 Whisper.cpp 后端、选小模型，官方文档也明确提示了这一点。

Q：去哪里拿最新版本？A：官方仓库同步发布最新开发版本，保持更新就能第一时间用上文件夹监控、插件这些新能力。

Buzz 把"声音变文字"这件事，从要上传、要花钱、受制于网速的外包服务，变成免费、快速、完全攥在自己手里的本地能力。现在就去下载安装，把第一段录音丢进主窗口，看看离线 AI 音频转录有多省心。让那些录音不再是硬盘里一堆听不动的噪音，而是随时能搜索、能改、能交出去的文字稿。

【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