企业官网建设流程全解析

Buzz 本地离线音频转录实操：免费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 是一款跑在自己电脑上的本地离线音频转录工具，底层用的是 OpenAI 的 Whisper 模型。它能把 MP3、WAV、MP4 这类音视频文件里的每句话免费语音转文字，顺手还能离线生成带时间戳的 SRT、VTT 字幕文件。全程不联网、不上传、不花钱，音频始终留在你的硬盘里。

一句话定位，三条硬理由

定位：一套完全离线、开源免费的音频转文字加字幕工作流。

• 数据不出机器：录音从导入到导出都在本机完成，商业会议、采访素材都不经过第三方服务器。
• 零费用可持续：代码完全开放，迭代靠社区驱动，不用按时长或订阅付费。
• 硬件宽口径：支持 NVIDIA 显卡的 CUDA 加速、Apple Silicon 深度优化，也兼容 Vulkan；没有独显也能纯 CPU 跑，只是速度差别。

第一次使用只做这四件事

1. 装好工具：去项目官网下载对应系统的安装包，Windows 双击走向导即可，macOS、Linux 也有各自格式。
2. 把文件丢进来：点工具栏加号、按 Ctrl+O，或直接拖进窗口；MP3、FLAC、MP4、AVI 都能识别。
3. 选参数运行：在任务行里选好类型、语言、模型和输出格式，点运行，文件进队列。
4. 收结果：跑完后逐句文字和时间轴直接显示，可搜索、复制、导出。

主界面把每个文件排成一行，模型、进度、输出格式一目了然，多文件会排队并发处理。

离线语音转文字怎么调模型

转录效果好不好，主要看下面四个参数，其余都可以先用默认值。

• 任务类型：选「转录」得到和原音频同语言的文本；选「翻译」会把非英语内容直接转成英文。跨语言素材用它。
• 语言：知道是什么语言就手动指定，比自动检测更稳；不确定就留空让它自测。它覆盖 99 种以上语种。
• 模型大小：从 tiny 到 large 多档。日常用 small/medium 最均衡，重要材料上 large，实时场景用 tiny/base。
• 输出格式：TXT 是纯文字稿，SRT、VTT 是字幕文件，可多选同时产出。

模型面板里能看清哪些已经下载、哪些能一键拉取，离线环境提前把需要的规格备好。

字幕太长怎么救

把长录音转成字幕，最容易失控的就是行宽：太宽观众读不完，太碎又频繁跳行。Buzz 的 Resize 功能就是解决这个——设一个目标长度，它按标点和语义自动重新断句，把每行裁得整齐。

更细的 Merge 选项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。适配不同平台的字幕规范，改几个数字就行。

边说边出字、多人对话分清楚

实时转录：Buzz 能直接吃麦克风输入，说话的同时屏幕就蹦出文字，还能投到一个独立的演示窗口放大展示。在线会议出纪要、课堂记笔记、直播加字幕，都靠它。

说话人识别：多人对话的录音会被自动打上发言者标签，谁说了什么分得开。会议记录、访谈整理、播客复盘，不用再对着「他说她说」猜。

结果窗口自带搜索和播放控制，配合时间戳能直接跳到对应片段核对。

让工具替你加班

• 文件夹监控：设一个监控目录，新音频丢进去就自动开始转录，全程不用管。适合批量课程录音、定期更新的播客。
• 插件按需开：AI 摘要、字幕优化、跳过已转录文件、增强语言检测、导出 DOCX，都在插件里，用哪个开哪个。
• 命令行批处理：脚本党的自动化入口，适合定时任务。

buzz add --task transcribe --language zh audio.mp3 buzz add --task transcribe --srt --vtt --txt video.mp4

细节可以查官方文档，插件代码在插件目录。

五招把准确率再提一档

1. 先定模型再谈别的：tiny/base 求快，small/medium 求均衡，large 求准。
2. 硬件配得上模型：NVIDIA 记得开 CUDA，Apple Silicon 用优化版，纯 CPU 就小一档模型。
3. 优化输入：录音尽量安静、音量适中；嘈杂环境开启「提取语音」选项，明显降噪。
4. 用初始提示词：人名、地名、专业术语填进高级设置，这些词的识别率肉眼可见地涨。
5. 批量讲策略：小模型先全量过一遍摸底，重点文件再换大模型重跑，配文件夹监控省时间。

常见疑问

必须联网吗？不用，全部在本机跑，只有主动调 OpenAI 在线 API 才需要网络。

支持多少语言？99 种以上，中英日德法主流语种全覆盖，识别和翻译都支持。

速度如何？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。

能转多长？没有硬性上限，几秒到几小时都能处理。

输出格式有哪些？TXT、SRT、VTT 三种，可同时勾选。

一句话收尾

从把录音拖进窗口那一刻起，Buzz 就把转录从昂贵、慢、有隐私风险的外包，变成免费、快速、完全可控的本地能力。现在就导入你的第一段录音，试试本地离线音频转录的手感。

【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