Buzz 语音转文字：离线 Whisper 转写的完整本地方案-港品优选

Buzz 语音转文字：离线 Whisper 转写的完整本地方案

【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

两小时的会议录音存了三个月，整理文案的时间比开会还长。Buzz 让语音转文字这件事在你自己的电脑上离线完成，音频不出本地，断网也能用。

这篇文章带你装好 Buzz、跑通第一次离线 Whisper 转写，并搞懂模型怎么选、字幕怎么导出、卡住了怎么办。

适合谁用：Buzz 的能力边界

音频不上云：转写完全在本地运行，基于 Whisper（OpenAI 的语音识别模型），适合合同录音、采访素材这类不想上传的音频。
免费无调用费：不像在线转写服务按分钟收费，本地跑没有 API 费用。
不是在线服务：它不提供服务端部署，也不能多人共享一个转录库，是单机桌面工具。
不吃特殊硬件：普通 CPU 电脑可用 Whisper.cpp 引擎，Nvidia 显卡可装 CUDA 加速；没有显卡也不会卡死，只是慢。
不适合的场景：如果你需要网页端团队协作、或者音频格式极特殊（如电话回路的单声道老磁带），Buzz 帮不上忙。

五分钟跑通第一次转录

按最短路径走：装好 → 导入 → 出字。

平台	操作	注意点
Windows	从 SourceForge 下载官方安装包双击安装	安装包未签名，弹警告时选"仍要运行"；首次会下载基础模型，预留约 1GB 空间
macOS	下载`.dmg`直接安装	仅支持 Apple 芯片，Intel Mac 需使用 1.4.5 及更早版本
Linux	执行`flatpak install flathub io.github.chidiwilliams.Buzz`（从 Flathub 安装）	snap 方式装完还需执行`sudo snap connect buzz:password-manager-service`接入系统密码管理器

装好后做这三步：

按Ctrl+O导入一个 mp3 或 wav 文件，左侧任务列表出现一条新任务；
模型保持默认（Base 就够验证），等进度条走完；
双击结果，右侧逐句显示文字和时间戳——流程通了。

更细的系统依赖和 pip 安装方式见 docs/docs/installation.md。

三个最常用的使用场景

把已有音频转成带时间戳的文档

目标：一段录音变成可校对、可改错、可导出的文字稿。
步骤：Ctrl+O导入文件 → 选语言和模型 → 等待完成 → 双击结果进入查看器 → 点中任何一句直接改字（不用重跑），Ctrl+P边听边校对。
产出物：TXT 纯文本或 SRT/VTT 字幕，导出按钮在结果区右上角。Ctrl+E看纯文本、Ctrl+T看时间戳、Ctrl+L看译文。

开会边说边出字

目标：会议、讲座进行中实时生成字幕。
步骤：Ctrl+R打开录音窗口 → 选麦克风和语言 → 模型选 Base 或 Small（实时场景速度比准确率要紧）→ 选转录模式（新句子排末尾或排最前，直播字幕选"追加在上方"）→ 点录制。
产出物：实时刷新的文字流；在偏好里打开 Live transcript exports 后，文字还会同步写进 txt 文件，可以接 OBS 做投屏字幕。

导出能直接用的字幕文件

目标：把碎句合并、长句拆开，输出长度均匀的字幕。
步骤：转录时开启 word-level timings → 结果区点"Resize" → 设定每行最大长度 → 按规则自动合并拆分 → 导出 SRT 或 VTT。
产出物：符合字幕规范的 SRT/VTT 文件，可直接挂到播放器或视频软件上。

模型怎么选：看电脑配置和用途

引擎层面，Whisper.cpp 最适合大多数人（本地跑、支持量化、CPU 也能用）；Hugging Face / Faster Whisper 适合有 Nvidia 显卡想要 CUDA 加速的情况；OpenAI Whisper API 则把音频发出去处理，与"不上云"的定位相悖，除非你只是测试。

你的情况	直接选
会议录音、日常转写	Small：主流配置跑得快，准确率足够
实时录音	Base 或 Tiny：跟得上说话速度是第一优先
正式文稿、长文档定稿	Medium 或 Large：慢，但错字最少
磁盘紧张、只要个草稿	Tiny：1–2 分钟就能出结果

会议录音选 Small 就够了，Large 纯属浪费算力。偏好窗口（Ctrl+,）可以下载和删除模型，不用自己去网页找文件；选 Whisper.cpp 时还能填.bin文件的下载链接加载任意量化模型（如q_5）。

两个真正改变体验的调优

现象	原因	一条解法
长音频转得慢	默认线程数是 CPU 核心数的一半，未必是这台机器的最优值	设环境变量`BUZZ_WHISPERCPP_N_THREADS=8`（官方测试 16 线程笔记本设 8 提速约 15%，再往上反而变慢）
显存不够、长音频爆掉	模型占满 GPU 内存	偏好里开"Reduce GPU RAM"，等价于`BUZZ_REDUCE_GPU_MEMORY=true`，用 8bit 量化压缩模型

环境变量写在启动脚本里最省事（Linux/macOS）：

#!/bin/bash export BUZZ_WHISPERCPP_N_THREADS=8 export BUZZ_FAVORITE_LANGUAGES=zh,en,ja buzz

BUZZ_FAVORITE_LANGUAGES把常用语言置顶，BUZZ_FORCE_CPU=true可在显卡出问题时强制走 CPU，BUZZ_MODEL_ROOT用来给模型换存储盘。完整清单见 docs/docs/preferences.md。

卡住了怎么办：故障速查

现象	处理办法
转得太慢	换小一号模型（Small→Base）；把`BUZZ_WHISPERCPP_N_THREADS`调到核心数一半左右
模型下载中断、加载失败	偏好窗口删掉该模型重新下载；磁盘满了设`BUZZ_MODEL_ROOT`换目录
GPU 报错、驱动冲突	`BUZZ_FORCE_CPU=true`强制 CPU 模式，慢一点但稳
实时转录跟不上说话速度	实时场景换 Small 或 Base，别用 Medium/Large
语言列表太长找不到	`BUZZ_FAVORITE_LANGUAGES=zh,en`置顶常用语言

常用快捷键都在偏好窗口的快捷键页里可改，完整定义在 buzz/settings/shortcut.py；Ctrl+O导入文件、Ctrl+R录音、Ctrl+F搜文字、Ctrl+X取消当前转录。

下一步：丢一段 1–2 分钟的音频，用 Base 模型跑一遍，确认流程通了再挑大模型处理正式素材。Buzz 的价值在于把"语音变文字"从付费云服务变成了本地免费工具，音频全程不出机器。想扩展能力，可以在 Help → Plugins 里启用 AI 摘要、导出 Word、说话人识别等内置插件，用法见 docs/docs/usage/7_plugins.md。

【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

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析