企业官网建设流程全解析

Buzz 离线转录工具：三步把任意录音变成文字，完整指南

【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

手头有几十个小时的会议录音，想尽快变成文字，又不想把文件上传到云端服务？Buzz 是一款本地离线转录工具，基于 OpenAI 的 Whisper 语音模型，把音频转文字、翻译的全部处理都放在你自己的电脑上完成，文件不离开本机，断网也能正常工作。下面带你从空白状态开始，三步拿到第一份完整转录文本。

📦 Buzz 是什么：一个搞定音频转文字的离线转录工具

一句话概括：Buzz 是一个跨平台的桌面应用，负责把"音频"变成"文字"，顺带还能翻译。它有三个核心卖点：

• 完全本地：转录和翻译都在你自己的电脑上完成，不注册账号、不依赖网络，适合对数据隐私敏感的场景。
• 输入格式广：MP3、WAV、FLAC、M4A 音频，MP4、AVI 视频，甚至视频链接都能直接处理。
• 结果直接可用：转录结果按时间和文字逐句排列，可导出为 TXT 纯文本、SRT、VTT 字幕格式。

想深入了解各项功能，官方文档里有更完整的说明。

🚀 三分钟装好、导入、看到结果

第一步：安装。Windows 和 macOS 用户直接下载对应安装包，一路点击完成即可；Linux 用户用 Flatpak 一条命令：

flatpak install flathub io.github.chidiwilliams.Buzz

习惯 Python 的用户也可以直接 pip 安装，再用一条启动命令运行。

第二步：导入文件并启动。打开应用后，点工具栏上的"+"按钮，选中要转的音频或视频，一次可以选多个；给任务选好模型，点开始，Buzz 会按队列逐个处理，进度实时更新。

第三步：打开结果。在任务列表里双击已完成的任务，转录结果窗口就会弹出，每句话都带开始和结束时间，底部还有播放条可以边听边核对。

🔊 四种典型使用场景

整理会议、讲座录音。最直接的用法就是导入录音、拿到文字。录音多的时候全部丢进队列即可，Buzz 会在后台排队处理，你可以继续手头的工作。模型可以按任务单独选：清晰的录音用小模型更快，重要内容换大模型更稳。

给视频做字幕。视频导入转录后，用内置的字幕调整功能把短行合并、长行拆开，按标点分割或按最大长度控制，导出的 SRT、VTT 文件可以直接拖进剪辑软件使用。

实时语音转写。点工具栏的麦克风按钮，Buzz 就开始通过电脑麦克风实时转写你说的话，适合会议速记和直播字幕；还有一种"演示窗口"模式，可以在演讲时用第二块屏幕投出实时文字。

多人对话里分清谁在说话。导入访谈或多人会议录音，Buzz 能识别说话人，让转录结果按角色区分，而不是一整块分不清归属的文字。

⚡ 五个提升转录效率的技巧

1. 按录音质量选模型：清晰录音用小模型出结果快；环境嘈杂或语速快就换大模型，准确性明显更好。
2. 提前指定语言：知道录音语言时先设置好，比自动检测更准，也能避免方言听岔。
3. 开启文件夹监听：打开功能后，把音频放进指定文件夹就会自动转录，不用每次打开软件操作。
4. 善用快捷键：在偏好设置文档里可以查看和自定义快捷键，长时间核对转录内容时全程不用碰鼠标。
5. 一次导出多种格式：同一份转录结果可以分别导出 TXT 归档、SRT 做字幕，省去二次转换。

❓ 常见问题：需要联网吗？支持哪些格式？

问：Buzz 需要联网才能用吗？答：不需要。转录和翻译都在本机完成，飞机上、无网环境都能正常用；只有第一次下载新模型时才需要联网。

问：支持哪些音频和视频格式？答：MP3、WAV、FLAC、M4A 等音频，MP4、AVI、MOV 等视频都能直接导入处理。

问：转录准确性怎么样？答：清晰人声下准确度已经很高，嘈杂或多人抢话的场景建议配合大模型和说话人识别一起用。

问：能顺便把内容翻译成别的语言吗？答：可以。转录完成后一键选择目标语言翻译，跨语言会议资料尤其省事。

问：结果只有纯文本吗？答：不是。结果按时间戳逐句排列，导出的字幕文件也自带时间轴，既能归档也能直接配视频。

如果你是需要把课堂录音变成讲义的学生、要处理几小时采访素材的记者，或是每支视频都要上字幕的内容创作者，这款离线转录工具值得装进你的电脑。从手头下一段录音开始，导入 Buzz，几分钟就能拿到一份完整、带时间轴的文字稿。

【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