企业官网建设流程全解析

Buzz 离线语音转文字完整指南：5 步把音频变成可编辑字幕

【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 是一款在你个人电脑上运行的离线语音转文字工具。它基于 OpenAI 的 Whisper 模型，把音频、视频本地转录和翻译成文字，全程不上传、不限时长。适合整理会议录音、给视频配字幕、做实时听写的新手和普通用户。

快速了解：Buzz 是什么

Buzz 解决一个很具体的问题：把"只能听"的录音变成"能搜索、能编辑"的文字，同时数据不出你的电脑。所有计算在本地完成，支持 99 种语言，纯 CPU 可运行，NVIDIA 显卡可开 CUDA 加速，Mac 的 Apple Silicon 也有专门支持。

快速开始：从安装到第一条转录

第 1 步：按平台安装 Buzz。

注意（Windows 用户必看）：Buzz 安装包未做代码签名，安装时系统会弹出警告，选"更多信息"→"仍要运行"即可继续。

第 2 步：导入文件。点击菜单"文件 → 导入媒体文件"（快捷键Ctrl/Cmd + O），或点工具栏的"+"图标，选中音频或视频文件。

第 3 步：设置三个参数。在弹窗里选择Task（Transcribe 或 Translate to English）、Language（建议手动指定，如zh）、Model（新手选base或small）。

第 4 步：点击"Run"。任务进入队列，主界面显示实时进度。

第 5 步：打开结果。状态变为"Completed"后，双击任务行进入转录查看器，你的第一条转录稿就完成了。

核心功能详解

文件转录与导出

它做什么：把音频、视频甚至 YouTube 链接转成带时间戳的文字，并导出为 TXT、SRT、VTT、JSON 等格式。

怎么做：

1. 导入文件时，在Export As选SRT或VTT，转录完成自动落盘；
2. 需要精细排版时，点查看器工具栏的"导出"按钮手动选格式；
3. 在偏好设置的"默认导出文件名"里设好模板，例如{{ input_file_name }} ({{ task }}d on {{ date_time }})，之后自动套用。

提示：勾选Word-Level Timings（词级时间戳），后续才能用"Resize"做更智能的字幕重组，做字幕建议转录前就勾上。

模型选择：速度与精度对照

它做什么：决定转录的准确率、耗时和内存占用。模型从tiny、base、small、medium到large逐级提升，另有Large-V2、Large-V3、Turbo等变体。

怎么做：

1. 打开"帮助 → 偏好设置 → Models"；
2. 在待下载清单里勾选模型，点"Download"，也可以选Custom粘贴自定义模型的下载地址；
3. 没有 NVIDIA 显卡就选 Whisper.cpp 后端，它支持任意品牌的 GPU 和纯 CPU，还能选q_5这类量化版本省内存。

提示：tiny/base给实时录音用，small是日常甜点，large留给专业录音且建议配 GPU。

实时录音转录

它做什么：对着麦克风说话，文字逐句生成，适合会议速记、演讲同传、直播字幕。

怎么做：

1. 切到"Live Recording"标签页，选麦克风、语言和模型；
2. 点红色"Record"按钮开始；
3. 需要投屏时打开演示窗口（Presentation Window），把实时字幕显示在另一块屏上。

注意：实时转录对性能要求高，务必用 Whisper.cpp 后端加tiny或small模型，否则文字跟不上语速。

转录查看器：编辑与字幕调整

它做什么：查看、校对、搜索转录稿，并微调每段字幕的时间戳。查看器提供时间戳、纯文本、翻译三种视图，支持Ctrl/Cmd + F搜索、Ctrl/Cmd + P播放、Ctrl/Cmd + ←/→以 0.5 秒为单位微调片段起止时间。

怎么做：

1. 双击任务行打开查看器，直接在表格里改文字，改动自动保存；
2. 点"Resize"按钮，按最大字幕长度、标点分割等规则重新断句；
3. 开启"Follow Audio"后，文字会跟随播放进度自动滚动，方便校对长音频。

提示：原音频文件还在本机时，Resize 会额外分析静音间隙，断句更准。

任意语言 AI 翻译

它做什么：Whisper 自带"任意语言 → 英文"的离线翻译（Task选Translate to English即可）。要翻到其他语言（如英语 → 西班牙语），接一个 OpenAI 兼容 API 就能实现。

怎么做：

1. 在偏好设置里填 API 的 Base URL 和 Key，本地跑 Ollama、LM Studio 也可以接；
2. 打开已有转录，点查看器工具栏的"Translate"按钮；
3. 在"Instructions for AI"里写清指令，例如"只翻译成西班牙语，不加注释"。

提示：约 1 小时音频用云端模型翻译成本在 1 美元量级；追求全离线就把翻译模型也跑在本地。

命令行与文件夹监控

它做什么：用buzz add批量下发转录任务，配合监听文件夹实现"丢进去就自动转"。

怎么做：

1. 终端输入buzz add --help查看全部参数；
2. 一次传入多个文件，指定模型和输出格式；
3. 在偏好设置里开启文件夹监控（Folder Watch），新文件自动进队列。

提示：1.4.5 版本起的插件系统提供了"Skip Already Transcribed"，重复导入同一批文件时自动跳过已有结果的，批量任务不怕误操作。

实战配方

配方一：批量生成 SRT/VTT 字幕→buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt 访谈.mp3 会议.wav，两个文件转完直接产出字幕文件。

配方二：降低错字率→ 转录时在Advanced...里填Initial prompt，把常见人名、产品名写进去；命令行则加--prompt "产品名是 X，人名是 Y"。

配方三：系统声音转文字→ macOS 用brew install blackhole-2ch装 BlackHole 并建多输出设备；Windows 装 VB-CABLE 后把输出选为"CABLE Input"；Linux 用pavucontrol重定向应用音频。然后在 Buzz 里把麦克风选为该虚拟设备，录制的就是系统外放的声音。

常见问题

问：模型文件存在哪里？ 答：Linux 在~/.cache/Buzz，macOS 在~/Library/Caches/Buzz，Windows 在%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache。也可在"帮助 → 偏好设置 → Models"下载后点"Show file location"直接打开文件夹。

问：转录太慢怎么办？ 答：换更小的模型，或改用 Whisper.cpp 后端；NVIDIA 显卡显存至少 6GB 的话，选 Faster Whisper 会快一个量级。

问：完全没有网络的电脑能用吗？ 答：能。先在联网电脑上下载好模型，把模型文件夹复制到离线机器的同一位置（参考 FAQ 中的路径），再用scripts/download-models.py脚本可提前准备整套模型缓存。

问：GPU 加速没生效？ 答：确认 NVIDIA 驱动和 CUDA 12 装好；Windows 版安装包自带 GPU 支持，旧 CUDA 会自动回退 CPU。想强制纯 CPU 可设环境变量BUZZ_FORCE_CPU=true。

问：自动检测语言经常判错？ 答：官方建议只要知道语言就手动指定，这能显著提升准确率；也可以在插件里启用"Enhanced Language Detection"，用本地模型在转录前先做一轮检测。

问：Buzz 启动崩溃是什么情况？ 答：多是模型下载不完整，到"帮助 → 偏好设置 → Models"删除后重新下载。另注意 Buzz 需要 CPU 支持 AVX2，过老的机器跑不起来。

下一步

Buzz 把"离线语音转文字"做成了装完就能用的本地工具：导入、转录、编辑、导出，一条流水线全在电脑上完成。现在就装一个 Buzz，导入你手头最需要整理的那段录音，点一下"Run"。

【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