企业官网建设流程全解析

Buzz 离线语音转文字完整指南：本地 Whisper 转录与字幕生成

【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

给两小时的讲座录音出字幕，先别急着把音频传云端。Buzz 是一款本地运行的离线语音转文字工具，基于 OpenAI 的 Whisper 模型，转录全程在机器里完成。

云端转录 vs Buzz：隐私、费用、断网三点差在哪

两套方案差别就三件事：音频存在哪、钱怎么算、断网了怎么办。云端服务把完整音频送到远程服务器，隐私交给第三方；账单跟着音频时长和调用量走，用得多花得多；网络一断，离线机器只能干瞪眼。Buzz 把这三条反过来做：文件不出本机，不分钟计费，模型缓存完就照跑。

Windows、macOS、Linux 三种装法

三个平台都有现成安装包，差别只在装法。

Windows：未签名警告这样处理

从发布渠道拿到安装程序直接运行。程序没有签名，安装时会弹出安全警告，点"更多信息"再选"仍要运行"即可继续。

macOS：拖进 .dmg 就行

下载 .dmg 后拖进应用程序文件夹即可。注意较新版本只面向 Apple Silicon，Intel Mac 只能装到 1.4.5 为止的旧版。

Linux：一条命令装好

flatpak install flathub io.github.chidiwilliams.Buzz

不管哪个平台，第一次启动都要进模型设置挑一个模型下载，缓存之后断网也能用。

音频进去，文字出来：输入、引擎、加工三层看

流程分三层看：喂什么素材进去、哪个引擎干活、出来的文字怎么收拾。

输入层。三类素材都能进：

• 本地音频：WAV、MP3、FLAC 这类格式直接导入
• 视频文件：MP4、AVI 直接抽音轨转录
• 在线链接：贴一个 YouTube 地址，自动下载再转录

引擎层。后端共四种，都属 Whisper 家族：

• OpenAI Whisper（原版）
• Faster Whisper：速度优先，适合 6GB 以上显存的独显
• Whisper.cpp：C++ 实现，最省资源，Mac 与集显的推荐选择
• Hugging Face 兼容模型；另支持接 OpenAI API 走服务端

有 NVIDIA 独显的话开 CUDA 加速，出字速度能快一截。实时场景有录音转录模式，边说边出字，配一个投大屏的演示窗口，文字还能实时导成 TXT 喂给 OBS。吵的录音先跑语音分离再转录，多人对话能标出不同说话人。

加工层。文字出来还没完：

• 转录查看器：能搜索、播放、调倍速，文字与时间戳逐段可改
• 导出有三种格式：TXT 对应文稿，SRT 与 VTT 对应字幕
• 字幕 Resize：长行按标点拆、短行合并、显示时长延长
• 文件夹监控，文件丢进去自动转录；命令行接口能嵌进自动化脚本；插件系统还有 AI 摘要这类扩展

五个模型大小速度对照

选模型其实是一道权衡题：硬件愿意为准确率让出多少。

平时速记选 base 或 small，值得反复听的重要资料再上 large。转录慢别先怪模型，把后端切到 Whisper.cpp，它更快也更省内存。

几个值得动一次的设置：

• 语言：别依赖自动检测，手动选定一种，口音重的素材更稳
• 初始提示：把人名、术语填进去，专有名词的错字会少一截
• 词级时间戳：后面要逐词精调字幕才开，平时关着

三种角色的典型用法

同一个工具，三种角色各有一套用法。

访谈研究员，整理多人对话。需求：两小时访谈变成带说话人标记的文字稿。操作：转录前打开语音分离，文字出来后在转录查看器里逐段指定说话人，再导出 TXT。产出：带时间戳、区分"发言人 A / B"的文字稿，可边听边改。

播客剪辑师，出字幕文件。需求：两小时节目配一份能直接进剪辑软件的字幕。操作：拖入 MP3，语言手动选中文，词级时间戳打开，格式选 SRT，再用 Resize 按标点拆行、限制每行长度。产出：时间码对齐的 SRT，导入即用。

活动组织者，现场大字幕。需求：把现场发言即时打到屏上。操作：选录音转录任务，选好麦克风，打开演示窗口，点录制，同时启用实时文本导出。产出：大屏字幕画面，外加一份可供 OBS 同步的 TXT。

四个高频坑：先给结论再排查

这四个问题出现频率最高，每个都先给结论，再按顺序查。

转录不准。结论：先别换模型。依次查：语言有没有手动指定、录音是否嘈杂（开语音分离）、模型是否偏小（升一级试试）。专有名词反复错，把那几个词直接填进初始提示。

完全断网的机器。结论：可以用。先在有网电脑下好模型，从"偏好设置 → 模型 → 显示文件位置"打开模型文件夹，整体拷到离线机同一路径。仓库里的模型批量下载脚本能一次备齐多个后端。

转录太慢、机器卡。结论：换后端或降模型。先切 Whisper.cpp，或把模型降一级；NVIDIA 独显显存 6GB 以上可试 Faster Whisper。实时录音转录务必选小模型，否则跟不上说话速度。

录音没声音、报 PaErrorCode。结论：多半是麦克风权限。系统隐私设置里先放行 Buzz 使用麦克风，再排除杀毒软件的拦截。

三步上手，数据留在本机

三步就能上手：装好 Buzz 导入一段短音频，选 base 模型点运行，完成后双击结果核对，顺手导出文件。想深入某个功能，先翻官方文档目录和命令行接口说明。从这一天起，你录的每一段音、每一场会，文字和字幕都留在自己机器上。

【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