企业官网建设流程全解析

Buzz 离线语音转文字完整指南：从一段录音到成品字幕只要 5 分钟

【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

上周我手上有一段 40 分钟的访谈录音，想整理成文字稿，又怕上传给云端转写服务。折腾了一圈，最后用 Buzz 的离线语音转文字功能把音频直接在本地跑 Whisper 模型，转录、翻译、导出字幕一条线走完，全程没联网。如果你也在找一款不上传文件的语音转文字工具，这篇指南能帮你在 5 分钟内跑通第一份稿子。

它和云端转写工具差在哪

先说清 Buzz 的定位，你就明白它为什么适合敏感内容：

• 全程离线：Whisper 模型装在你自己的电脑上，录音从导入到出稿不离开设备，会议纪要、客户访谈都放心
• 零持续成本：装一次就能反复用，不按分钟计费，转多少个文件都不花钱
• 后端可插拔：Whisper.cpp、Faster Whisper、Hugging Face 模型系列都能接，Nvidia 显卡走 CUDA、Mac 走 Apple Silicon、核显还能走 Vulkan（详见 安装说明）

安装 Buzz：按平台挑最短的路

Windows：从发布页下载安装包，双击安装。安装包未签名，首次运行会弹警告，选More info → Run anyway即可。

macOS：下载 .dmg 安装。注意现在只支持 Apple Silicon，Intel 机型的最后版本是 1.4.5。

Linux：

sudo snap install buzz

习惯命令行：PyPI 方式装，要求 Python 3.12 并预装 ffmpeg：

pip install buzz-captions python -m buzz

第一次转录的三个步骤

装好打开就是主界面，别被这个朴素的样子骗了，它其实是一台完整的转录工作台：

主界面任务表格：每行一个文件，模型、任务类型、状态一目了然

首次转录就三步（参考 文件导入文档）：

1. 导入：菜单File → Import Media File，或按Ctrl/Command + O，音频、视频文件都行，也支持直接粘贴 YouTube 链接
2. 选模型和任务：任务选Transcribe（原语言转文字）或Translate to English（翻译成英文）。模型尺寸上，Tiny/Base 出稿快适合打草稿，Small/Medium 是日常平衡点，Large 准确度最高，重要内容用它。顺手把语言手动指定一下，自动检测偶尔会翻车
3. 点 Run：状态从 Queued 到 In Progress 再到 Completed，多文件可以批量排队跑。双击完成的那一行就进入查看器

模型管理页可以下载、切换不同 Whisper 模型

把转录结果校对并导出成字幕文件

转录完别急着走，双击任务进入查看器，这一步决定稿子能不能直接交付：

每段文字带起止时间，底部播放器支持变速，边听边改

• 搜索定位：长录音找关键讨论点，搜索框直接跳过去
• 播放校对：底部播放器配倍速，听到哪改到哪，改动自动保存
• 一键导出：TXT、SRT、VTT 是主力格式，SRT/VTT 丢进剪辑软件就能当字幕用

我一般先整体听一遍抓大错，再用搜索逐条核对人名和公司名——这些最容易识别错，也可以在高级设置里用Initial prompt预填易错词来预防。

用 Resize 把字幕排成能交付的样子

转录工具都能"把话说对"，但"字幕怎么排好看"是另一回事。Buzz 的Resize功能专门解决这个（文档见 编辑与 Resize）：

Resize 面板：设定字幕最大长度，按标点、静音自动拆分合并

如果你导入时勾了Word-Level Timings（词级时间戳），Resize 就能按最大长度、标点自动把碎词拼成整句字幕，音频还在本机时它还会分析静音段来修正边界；没勾词级时间戳也能按最大长度重新组合。另外可以整体延长每条字幕的显示时长，适合字幕偏快看不清的视频。做视频的朋友，这一步基本省掉手动切字幕的时间。

进阶玩法速览：从录音笔到自动化

实时录音转录：选麦克风和语言后点 Record，说话的同时出文字，还有独立的演示窗口方便投屏，访谈结束稿子就有了。

文件夹监控：在偏好里指定一个目录，之后丢进去的新音频自动转录，批量处理基本无人值守。

任意语言翻译：Whisper 自带"译成英文"之外，还能接任何 OpenAI 兼容 API 翻译成其他语言——包括本地跑的 Ollama、LM Studio，翻译也可以全程离线。

说话人识别：多人对话录音点Identify speakers，用 MSDD 模型给每段话标上说话人，还能试听 10 秒随机句子确认、把标签改成真实姓名，整理访谈纪要非常省时间。

CLI 脚本化：想要流水线就接命令行，比如buzz add meeting.mp3 -s small一条命令跑转录，用法细节在 CLI 文档 里。

五分钟跑起来

最低门槛的行动就一条命令，clone 下来跑起来：

git clone https://gitcode.com/GitHub_Trending/buz/buzz

找一段录音丢进去，你离第一份本地生成的字幕只差几分钟。

【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