企业官网建设流程全解析

Buzz：本地离线音频转录完整指南，5 分钟转出第一份文字稿

【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

Buzz 是一款免费的桌面程序，用 OpenAI Whisper 在本地完成离线音频转录：MP3、WAV、MP4 等文件不上传任何服务器，转完即得 TXT、SRT、VTT 三种格式的文字稿。它解决的是"手里有一堆录音、需要文字稿、又不想交给云端处理"的常见需求。对隐私敏感、要批量出稿、或给视频做本地字幕的人来说，它是目前最省事的本地方案之一。

它最擅长的三件事

1. 批量本地转录。本地音视频文件和网页链接都能导入，一次选多少个就排多少个，按顺序处理；内置 Whisper、Faster Whisper、Whisper.cpp、Hugging Face、OpenAI API 共 5 种后端，同一条队列可以混用。
2. 麦克风实时转录。点工具栏的麦克风按钮就开始监听，边说边出字；还带一个独立的演示窗口，适合讲座、发布会这种"正在发生"的内容。
3. 说话人识别与字幕输出。开启识别后，转录稿会标注不同说话人；结果可导出 SRT、VTT 字幕文件，直接挂到视频上使用。

5 分钟上手

推荐用 pip 安装，两条命令：

pip install buzz-captions python -m buzz

1. 程序启动后，点工具栏的 + 号，选择一个本地音频文件（也可以粘贴视频网址，先下载再转录）；
2. 在任务行里选好引擎和模型大小，点开始；
3. 行状态变为 Completed 后，双击该行进入时间轴结果界面，逐行核对文字。

常用配置项说明

下面 5 个参数最直接影响结果，按"参数名｜作用｜怎么选"记：

• **--model-type（引擎）**｜5 种后端里选一个，可选 whisper、whispercpp、fasterwhisper、huggingface、openaiapi｜Whisper.cpp 偏速度，Faster Whisper 在 GPU 上表现好，拿同一段音频各试一次最直观；
• **--model-size（模型大小）**｜tiny、base、small、medium、large 五档，越大越准也越慢｜日常会议录音用 small 或 medium，重要访谈、术语多的内容用 large；
• **--language（语言）**｜指定语言代码，留空则自动检测｜确定语言时直接填，检测更稳；
• **-w（词级时间戳）**｜生成 word-level timestamps｜后续用 Merge 方式重排字幕时必须开启它，而 Resize 方式要求不开启；
• Resize 三参数｜Desired subtitle length 控制单行字幕最大字符数，默认 42；Merge by gap 把间隔小于 0.2 秒的两条字幕合并；Split by punctuation 遇句末标点强制断行，正则默认已覆盖中英文标点。

各引擎的具体调用逻辑，可以从源码目录 buzz/transcriber/ 入手看。

进阶玩法

1. 命令行批量：跳过图形界面直接跑任务，加--hide-gui适合放进脚本。常用选项：-m指定引擎、-s模型大小、-l语言、--srt/--vtt/--txt指定导出格式、-d输出目录，完整参数表见 docs/docs/cli.md。

python -m buzz add -m whispercpp -s medium -l en --srt -d ./out ./interview.mp3

2. 监听文件夹自动转录：开启 Watch folder 后，放进目录的新音频自动排队处理，整批文件不用手动选。

适合谁，从哪开始

• 录音涉及隐私、不能上传云端的，用它做离线音频转录；
• 手里有一批音频要批量出文字稿的，用任务队列加命令行处理；
• 给视频做本地字幕、不想走在线服务的，转完直接导出 SRT 挂到视频上。

第一次用，建议先用 small 模型跑一段 1 分钟左右的短音频：熟悉队列、结果界面和导出流程后，再换 large 模型处理正式内容。

【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