企业官网建设流程全解析

Buzz 离线音频转录指南：本地 Whisper，三步把录音变成字幕

【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 是一款跑在自己电脑上的离线音频转录工具，底层是 OpenAI 开源的 Whisper 语音识别模型，把会议录音、访谈音频在本地转成文字或字幕，音频文件全程不上传到任何服务器。

录音送在线服务转文字，要付的三笔账

把音频丢给在线转录服务，流程并不复杂，卡点在三处：

• 隐私：会议录音、客户访谈要先传到别人家服务器，敏感内容不敢发
• 成本：按分钟计费是常态，一小时的录音反复试参数就是一笔开销
• 效率：不上传就得自己听、自己敲，几小时的录音敲不动

Buzz 把这些环节全砍掉：Whisper 模型跑在本地，转录不依赖网络，文件不出机器。

离线安装三步跑通第一次转录

按平台三选一：macOS 和 Windows 从 SourceForge 的 Buzz 项目页下载安装包（Windows 未签名，安装时弹警告，点"更多信息"选"仍要运行"即可）；Linux 用 Flatpak 或 Snap；Python 环境走 PyPI。

pip install buzz-captions python -m buzz

PyPI 方式需要 Python 3.12 环境和 ffmpeg。Linux 用 Flatpak 一条命令：

flatpak install flathub io.github.chidiwilliams.Buzz

装完打开程序，拖入音频或视频文件，选好模型、语言和任务（转录或翻译成英文），开始转录。任务进队列处理，完成后双击就能进入转录查看器。

主界面：转录任务队列里可以看到每个任务用的模型、语言和进行状态

转录准确率怎么调：模型和引擎各选其一

Whisper 有 tiny、base、small、medium、large 五档模型，规律固定：越大越准，也越慢越吃内存。第一次建议用 small 跑一遍，对比效果和耗时再定。

模型之外还有引擎可选：Whisper.cpp 走 Vulkan 加速，多数独立显卡和核显都能跑；NVIDIA 显卡可用 CUDA；Mac 走 Apple Silicon 本地算力。模型首次使用要联网下载一次，之后离线反复用，不必每次下。

模型偏好页：管理 tiny 到 large 各档模型的下载和已下载列表

🎙 开会边说边出字：麦克风实时转录

选一个录音任务，设好麦克风、语言和模型，点 Record，说的话会实时变成文字，随新句子滚动修正。演示、发布会场景可以开演示窗口，把实时字幕投到大屏上。

长会议建议 Whisper.cpp 配小模型，官方文档明确提示默认 Whisper 模型资源消耗较大。静默阈值、转录步长等进阶参数见实时录音文档。

转录后处理：切字幕、找说话人、导出文件

转录完不是终点。查看器里能直接搜关键词、逐段播放、调播放速度校对：

转录查看器：时间戳文本列表配播放控件，逐段回听校对

字幕用 Resize 功能切：勾选词级时间戳转录后，可按最大字幕长度重新切分、按标点断句，还能延长每条字幕的停留时间。导出支持 TXT、SRT、VTT 三种格式。多人对话开说话人识别区分谁在说；嘈杂录音开语音分离，先分声音再转录，准确率更高。插件目录里现成的有 AI 摘要、导出 docx；把文件丢进监听文件夹可自动转录，适合攒了一批素材要批量处理的场景。

Resize 面板：按最大长度和标点重新切分字幕片段

先从哪一步试起

• 有存量录音：装好后用 small 模型跑一段 10 分钟以内的音频，导出 SRT 看质量
• 常开会对话：把实时录音挂上麦克风，试演示窗口的投屏字幕
• 要自动化：命令行一条命令批量转，例如转一个 mp4 并直接出 SRT：

buzz add --model-type whispercpp --model-size small --srt meeting.mp4

完整参数见CLI 文档。

【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