企业官网建设流程全解析

Buzz 语音转写实战：本地离线把任意音频变成 SRT 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 是一款本地语音转文字工具：基于 OpenAI Whisper，在你的电脑上全程离线转写、翻译音频和视频，支持导出 TXT / SRT / VTT。读完这篇指南，你能按系统装好它，并产出第一份带时间轴的字幕文件。

📦 交付物速览：你会拿到什么

装好 Buzz 后，你实际产出的是这几样东西：

• 三种格式的文字稿：TXT（纯文本笔记）、SRT / VTT（带时间轴的字幕），在转录详情页右上角一键导出，详见 转录查看器说明
• 带时间轴的分段文本：每段都有起止时间，点任意一行，播放器立刻跳到对应音频位置，方便边听边校对
• 三种输入来源：本地音频/视频文件、在线视频链接、麦克风实时录音
• 翻译能力：Whisper 内置"转写+翻译成英文"；配置 AI 接口后可翻译成中文等任意语言，见 翻译指南
• 噪音应对：开启"提取语音"（基于 Demucs 声分离）可先把人声从背景里剥离，嘈杂录音识别更干净
• 自动批处理：文件夹监控模式会接住新丢进来的文件自动排队转写

边界也说清楚：音频不上传、不按分钟计费；首次使用某个模型时需联网下载一次，之后离线可用。

🖥️ 环境就绪：四种安装方式按系统选

• Windows：下载官方发布页的安装包双击安装。应用未签名，弹出安全警告时点「更多信息」→「仍要运行」。
• macOS：下载.dmg拖入「应用程序」。注意 Buzz 现仅支持 Apple Silicon，Intel Mac 最后可用版本是 1.4.5。
• Linux（Snap）：sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module && sudo snap install buzz，再sudo snap connect buzz:password-manager-service授权密码存储；也可用 Flatpak：flatpak install flathub io.github.chidiwilliams.Buzz。
• Python 环境：先装好 ffmpeg，再用 Python 3.12 执行pip install buzz-captions，启动命令是python -m buzz。

NVIDIA 显卡用户：1.4.6 起 CUDA 加速需单独装，进Help → About Buzz → Install CUDA Acceleration即可，无需手动配环境。更多细节见 安装文档。

🚀 首次跑通：从导入到导出的五步

1. 导入文件：Ctrl/Cmd + O或点工具栏「+」，选择 MP3 / MP4 等音视频文件（详见 文件导入文档）。
2. 选参数：在任务行里挑模型档位（首次建议 tiny 或 base，下载快）、任务类型（转写）、语言（不确定就自动检测）。
3. 点 Run：如果模型不在本地，会自动开始下载——最常见的卡点就在这里，下载慢或被中断都会让任务停在队列里。
4. 状态变 Completed 后双击该行，打开转录详情。
5. 右上角菜单选 TXT / SRT / VTT 导出，文件默认存到输入文件所在目录。

第一次建议用一小段音频跑通全流程，别一上来就丢两小时的录音。

⚙️ 核心流程与参数速查

主路径四步：导入 → 选参数 → 校对 → 导出。队列里每项都显示文件、模型、任务类型与实时进度，关掉窗口任务仍在后台继续。

校对阶段，双击已完成任务进入转录详情：点任意段落到音频对应位置，直接改文字即可，改动自动保存。字幕行太长时，用「Resize」按钮按最大长度自动拆分或合并，详见 编辑与调整指南。

🎬 场景演练：三个高频用法

如果你要把两小时采访录音变成可用文字稿，这样做：

1. 录音拖进队列，模型选 small 或 medium（有 NVIDIA 显卡就开 CUDA，速度快数倍）
2. 等状态变 Completed，双击打开详情
3. 边播放边校对人名、术语；拿不准的词以后可以填进「初始提示词」
4. 导出 TXT 发出去，收工

如果你要给英文视频做中文字幕，这样做：

1. 拖入视频，任务类型选 Translate，先用 Whisper 转写并翻译成英文
2. 在转录详情页点「Translate」，配置 AI 接口后指定目标语言为中文（见 翻译指南）
3. 导出 SRT，预览发现某行太长
4. 打开 Resize，设好目标长度：长句按标点自动拆、碎片自动合并

如果你想让团队共享的录音自动转写，这样做：

1. 在 Preferences 里开启文件夹监控，指向共享目录（设置项见 偏好设置文档）
2. 同事丢文件进来，Buzz 自动排队处理，转写结果落在输出目录
3. 想跳过已有文稿的文件，启用 skip already transcribed 插件

🚀 性能与进阶：关键开关怎么拨

• 模型档位→ 决定速度与准确率的平衡 → 日常笔记用 base、快速试听用 tiny、交付级字幕上 large-v3。
• Whisper 类型→ 决定跑在哪个后端 → 没有 NVIDIA 卡选 whisper.cpp（可吃任意 GPU 甚至纯 CPU）；显存 ≥ 6GB 的 NVIDIA 选 faster-whisper 提速明显。
• CUDA 加速→ 1.4.6 起单独安装 → 装好后 large 模型转写提速数倍；没有 NVIDIA 卡就不用管。
• 提取语音（声分离）→ 先剥离背景音再转写 → 会议室、街头等嘈杂录音开，干净录音不开以免浪费算力。
• 输出目录与文件名模板→ 在 Preferences 里一次配好{{ input_file_name }}等变量 → 批量导出位置命名统一，文稿不散落。
• 离线机器→ 在有网电脑下好模型，把缓存目录拷到离线机同位置（Linux 为~/.cache/Buzz）→ 或用 scripts/download-models.py 预准备模型。

命令行党可以直接用 CLI 批量跑，例如对一整文件夹出 SRT：buzz add --srt --output-directory ./subtitles recordings/*.mp4，全部选项见 CLI 文档。

🔍 排错对照：常见卡点与动作

• 转写比预期慢？→ 先降一档模型 → 换 whisper.cpp 后端 → 有 NVIDIA 卡装 CUDA → 别并行跑多个大任务。
• 任务一直排队不动？→ 多半是模型没下完，回 Models 页确认模型就位后重新排队。
• 识别错漏太多？→ 换 large 模型重跑；专有名词写进「初始提示词」；录音嘈杂先开「提取语音」。
• 自动检测语言不准？→ 手动指定语言代码，短音频和混合语言尤其必要。
• 超大文件内存吃紧？→ 降一档模型或先切段分批处理；显存紧张可开启 GPU 显存压缩选项。
• 录音报错（PaErrorCode-9999）？→ 检查系统隐私设置里 Buzz 的麦克风权限，或被安全软件拦截。
• Buzz 崩溃？→ 模型可能下载损坏，在 Models 页删除后重新下载；老 CPU 注意 Buzz 需要 AVX2 指令集。
• 完全离线的电脑怎么用？→ 拷贝模型缓存目录即可，模型位置见 FAQ。

写在最后

Buzz 把整套 Whisper 转写工作站装进你的电脑：不上传、不计费，从丢进文件到导出字幕全程离线。挑一种装法装好，把第一段音频拖进去，文字稿和字幕就都有了。

【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