企业官网建设流程全解析

Buzz 语音转文字完整指南：4 种安装方式、离线转录与字幕排版的 7 个实操模块

【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、离线、跨平台的开源语音转文字工具，内置 OpenAI 的 Whisper 模型并完全跑在本机：音频从导入到出稿不离开电脑，没有上传，没有按次计费，Windows、macOS、Linux 全支持，还自带字幕排版与多种格式导出。本文按"装上 → 转文件 → 改稿 → 排版 → 自动化"的任务链，把 Buzz 语音转文字从入门到交付一次讲完。

Windows、macOS、Linux、PyPI 四种安装方式怎么选

Buzz 的安装覆盖了几乎所有常见场景，挑一种适合自己的即可：

• Windows：从项目发布页下载安装包，双击安装。安装包未签名，系统弹出安全警告时选择"更多信息 → 仍要运行"。
• macOS：一条 Homebrew 命令完成安装。

brew install --cask buzz

• Linux：Snap 与 Flatpak 两种渠道都支持。

sudo snap install buzz

• Python 用户：直接从 PyPI 安装，要求 Python 3.12 及以上环境，并预装 ffmpeg；有 NVIDIA 显卡想启用 GPU 加速的，README 里附了 CUDA 相关指引。

pip install buzz-captions python -m buzz

装完打开就是任务主界面：表格一行对应一个文件，列出模型、任务类型与实时状态。

模型怎么选：tiny 快、medium 均衡、large 准

Buzz 不是"只能跑一个引擎"的封闭工具，而是内置多套可切换的后端：Whisper.cpp（本机运行、速度突出）、Faster Whisper、Hugging Face 上的 Whisper 系列模型，另有 OpenAI Whisper API 作为可选的联网模式。换句话说，模型引擎是"可插拔"的，按机器性能和用途切换。

选模型档位，记住这张对照表就够：

首次选择某个模型时，Buzz 会把它下载到本地缓存（首次约 200MB），之后离线复用。偏好设置里的"模型"页可以下载、删除模型，Whisper.cpp 后端还支持粘贴自定义模型的下载链接。

文件导入、选模型与运行：把录音变文字的流程

拿到一份录音，Buzz 的处理流程很短：

1. 添加文件：拖入本地音频、视频文件，或者直接粘贴 YouTube 链接。
2. 选模型与任务：指定 Whisper 模型，任务类型填"转录"或"翻译"（Whisper 原生的翻译任务会把内容译成英文）。
3. 点运行：任务进入队列，状态从 Queued（排队中）→ In Progress（处理中）→ Completed（已完成）实时刷新，可以一次丢进去多个文件批量跑。

转录校对、搜索与导出：TXT、SRT、VTT 一次导出

双击任务列表里的转录结果，进入查看器界面。它的几项能力对应的是"改到能交付"这一步：

• 时间轴对齐：每句话都带精确的起止时间戳，文字与音轨逐句对齐。
• 播放校对：底部播放器边放音频边核对，发现识别错误直接在句子里改，改完自动保存。
• 搜索定位：长音频里找某段讨论，搜索框输入关键词即可跳到对应位置。
• 一键导出：TXT、SRT、VTT 三种格式任选，导出的字幕文件可直接丢进剪辑软件使用。

字幕排版：用 Resize 把字幕重排到能直接上屏

转录软件大多停在"把话说对"，Buzz 的 Resize 面板专门解决"字幕怎么切才好看"。默认分句直接生成字幕往往会出现超长句，Resize 能自动重排：

• 按最大长度拆分：设定字符上限，超长字幕自动断开，保证不超出一行。
• 按标点拆分：优先在句号、逗号处断开，断句更符合阅读习惯。
• 按间隙合并：检测到音频停顿超过设定阈值时，把相邻短句合并成一条。

还有一个容易忽略的细节：转录时如果开启了词级时间戳（word-level timings），Resize 会进一步分析原音频里的静音位置，用它来优化字幕的切分边界——这一步很多收费工具都不提供。

实时录音、文件夹自动转录与说话人识别

Buzz 还能把"转写"这件小事扩展成完整工作流：

• 实时录音转录：接上麦克风，说话的同时文字实时上屏，另带一个适合投屏的演示窗口，会议开完纪要初稿也就有了。
• 文件夹监控：在偏好里指定一个目录，之后丢进去的新音频自动进入转录队列，适合团队协作或定期批量处理。
• 多语言翻译：除 Whisper 自带的"译成英文"外，还能通过 OpenAI 兼容 API 把结果翻译成任意语言；Base URL 指向本地跑的 Ollama 或 LM Studio 即可，翻译环节同样离线。
• 说话人识别：多人对话转录后自动标记不同说话人，能试听片段核对、把自动标签改成真实姓名，访谈和会议纪要里非常实用。

用 CLI 把 Buzz 语音转文字接入自动化流水线

追求更彻底自动化时，命令行接口是正解。buzz add一条命令即可发起转录任务，指定文件、模型、输出格式和输出目录：

# 把整个文件夹的录音批量转成 SRT 字幕 buzz add --srt --output-directory ./subtitles recordings/*.mp4

加上--hide-gui可以隐藏主窗口，把 Buzz 语音转文字挂进自己的脚本与 CI 流水线里跑。

至此，Buzz 语音转文字从安装、转录、校对、字幕排版到自动化的完整链路就走通了：免费、离线、跨平台，录音和文稿始终留在本机，装完就能开工。

【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