企业官网建设流程全解析

Buzz：离线语音转文字工具，5 分钟装完就能用

【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

周五下午，手机里躺着一段 47 分钟的录音

周五下午五点，你刚结束 90 分钟的客户电话，手机里多了一段 47 分钟的录音，而对方晚上九点前要文字版。用云端语音转文字服务，得把这段敏感录音上传到别人的服务器；你更想要一个离线的方案，在自己的电脑上把录音转成文字。Buzz 就是干这个的。

Buzz 是什么：离线语音转文字

Buzz 是一款离线语音转文字工具，基于 Whisper（OpenAI 开源的语音识别模型），所有识别都在你自己的电脑上跑。和直接上传到云端相比，本质区别是：你的录音文件从头到尾没有离开过你的硬盘，断网也能转录。

它不只是"文件转文字"：除了转写音频和视频文件，还支持翻译成英文、麦克风实时转录、给多人口播标记说话人，输出 TXT、SRT、VTT 三种格式。全程免费。

Buzz 安装步骤：三步跑起来

以 Windows 为例，这是最快的路径：

1. 从官方发布页（Releases）下载 Windows 安装包
2. 运行安装程序。应用未签名，系统弹出"未知发布者"提示时，点"更多信息"→"仍要运行"
3. 打开 Buzz，点左上角"+"（或按 Ctrl+O）选择文件，选好音频语言和模型，点 Run
4. 任务行状态变成 Completed 后，双击该行打开转录结果

第一次用要在选项里选一个模型，Buzz 会自动下载模型文件，最小的 tiny 模型只有几十 MB，笔记本就能跑。macOS 下载 .dmg 拖进应用程序文件夹即可，Linux 用 flatpak 一条命令装好。习惯 Python 的开发者也可以直接装：

pip install buzz-captions python -m buzz

装完就能用。

Buzz 实时转录、说话人识别与字幕合并 🎙

Buzz 实时录音转录怎么用

它能做什么：选好麦克风点 Record，屏幕上就随你的说话实时长出文字。有三种模式——新句子追加在底部、顶部，或者"追加并纠正"（会回头修正上一句末尾的错认）。还配一个展示窗口，大字显示转录结果。

具体怎么操作：在 Live recording 界面选麦克风、语言和模型，点 Record。实时场景建议选 tiny 或 base 这类小模型，才能跟上说话速度；文档明确建议用 Whisper.cpp 后端，它在核显甚至纯 CPU 的笔记本上也能实时跑。

什么时候会用到：演讲和播客直播出字、会议实时上字幕、访谈时边聊边出初稿。

Buzz 说话人识别怎么用

它能做什么：文件转录完成后，自动把不同声音聚类，每句话打上 Speaker 1、Speaker 2 之类的标签，可以改成真名，还能试听某位说话人 10 秒的随机语句来确认身份。

具体怎么操作：双击任务行进入转录查看器，点"Identify speakers"按钮，核对标签后保存；勾选"合并说话人句子"后，同一人连续说的话会并成一段。

什么时候会用到：双人或多人的访谈、客户电话、会议，凡是需要区分"谁说了什么"的场合。

Buzz 字幕太长怎么自动合并

它能做什么：默认转录的分段经常长到一行放不下，Resize 功能可以把带词级时间戳的转录重新切成字幕长度的块——按静音间隙合并、按标点分割，并限制单条字幕最大长度；如果原始音频还在，它会分析音频里的静音来校准时间轴。

具体怎么操作：导入文件时在选项里勾选 Word-Level Timings，转录完成后点查看器里的"Resize"，设好最大长度，直接导出 SRT 或 VTT。

什么时候会用到：给视频做字幕，导出后可以直接拖进剪辑软件。

Buzz 批量转录：从 3 段录音到字幕文件的一天

说一个播客编辑的完整一天。

早上九点，他收到 3 段采访录音。他把文件夹设为 Buzz 的监视目录——文件夹监视功能会在检测到新音频文件落盘时自动开始转录，结果按设定保存到输出位置。三个任务在队列里并行跑，他去做了杯咖啡。

十点，第一段转完。这段是双人对谈，他打开查看器跑了一次说话人识别，把标签改成"主播"和"嘉宾"，导出 TXT 给文案同学改稿。

另外两段要剪成视频，导入时他勾了 Word-Level Timings，转完用字幕合并把单条长度压到 18 字以内，导出 SRT，直接丢进剪辑软件。

中午，3 段录音变成 1 份文字稿加 2 份字幕文件，全程录音没有离开过他的电脑。

Buzz 常见问题：转录慢、错字多、没网

转录跑了 20 分钟才出一半

症状：47 分钟的音频，跑了半小时还没完。 原因：模型选大了，或者纯 CPU 在硬扛，没用到 GPU 加速。 解决：模型类型换成 Whisper.cpp（C++ 实现，Nvidia、核显、纯 CPU 都能用）配更小的模型；有 6GB 以上显存的 Nvidia 显卡可以直接用 Faster Whisper，速度快一个量级。

识别结果里专有名词全是错别字

症状：产品名、人名被转成形近的词。 原因：模型对没见过的词只能"猜"，自动检测语言也可能带偏。 解决：导入选项里点"Advanced…"，在 Initial prompt（初始提示）里把容易错的词写进去；语言手动选准，别依赖自动检测。

完全断网的电脑也能用 Buzz 吗

症状：目标电脑没有网络，而模型首次要用时要下载。 解决：在有网的电脑上打开 帮助 → Preferences → Models，把要用的模型下好，点"显示文件位置"打开模型目录，整个拷到离线电脑相同位置（Linux 在家目录的 .cache/Buzz 下），Buzz 照常离线工作。

谁适合用 Buzz，下一步做什么

录音内容敏感、经常离线工作、或要批量处理音频的人，Buzz 能帮你省下上传和等待的麻烦；只是偶尔转一段公开视频，云端服务更省事。

下一步：去官方发布页拉一个对应系统的安装包，把你的第一段录音丢进去试试。

【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