Buzz离线语音转文字实测1小时录音如何变成双语字幕【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz周三晚上十点客户丢来一段1小时的中文访谈录音要求次日中午交付带时间轴的双语字幕稿。这正是 Buzz 最典型的用武之地一款完全运行在个人电脑上的开源离线语音转文字工具由 OpenAI Whisper 驱动把音频、视频就地转成文字和字幕全程不联网、不上传文件。下面跟着这条真实任务线走一遍看从原始录音到成品字幕每一步 Buzz 具体能做什么、怎么选、有哪些注意点。先交代环境我的机器是一台带 NVIDIA 显卡的 Windows 笔记本安装过程很省事——从项目发布页下载安装包双击一路下一步即可macOS 用户一条brew install --cask buzz就装好Linux 用户用 Flatpak 或 Snap 也能即装即用。第一次启动会引导下载语音模型这一步需要联网此后的转录全部在本地完成。把录音扔进任务队列Buzz 的主界面就是一个任务看板。把访谈录音拖进窗口选好模型、点击开始任务便进入队列。这种设计带来的便利很实际支持音频MP3、WAV、视频MP4、AVI甚至 YouTube 链接混在一起排队处理多个任务并行界面实时显示每个任务的状态与进度——排队中处理中 55%已完成 26 秒任务在后台执行关掉窗口也不中断。对经常批量处理录音的人来说这一层直接省掉了逐文件打开、逐个导出的重复劳动。更细的导入规则可以查官方文档 docs/docs/usage/1_file_import.md。选模型这是最值得花一分钟的决策转录质量差异的一半以上取决于你选了哪个模型。Buzz 内置一条完整的 Whisper 模型阶梯速度与精度互相置换模型定位适合场景Tiny / Base极快实时字幕、快速粗稿Small均衡日常对话、会议记录Medium较准正式访谈、播客Large / Large-V3最高精度出版级字幕、专业交付判断逻辑很简单先问自己这段音频要拿去干什么。内部参考的会议纪要Small 就够要交付客户的双语字幕直接上 Large-V3。还有两点值得记住使用 Whisper.cpp 后端时可通过 Vulkan 调用绝大多数显卡含核显加速NVIDIA 用户还可启用 CUDABuzz 不止支持 Whisper 家族还能接 Faster Whisper、Hugging Face 上任意 Whisper 兼容模型以及 Parakeet、Qwen3-ASR 等新架构模型可选项比大多数同类工具宽得多。校对转录结果不是终点是起点一小时音频在 Large 模型下约需十几到几十分钟取决于硬件。转录完成后双击任务进入查看器——这里才是整个流程真正花时间的地方。查看器把结果切成带精确起止时间精确到毫秒的片段并提供了四件顺手的工具边听边校播放器与文本联动点击片段即定位可整体调整播放速度快速搜索在长文本里定位关键词抽查人名、术语是否准确直接编辑修改文本自动保存时间轴保持不变片段循环与跟随播放适合逐句细听特别适合听写类交付。这一层对字幕交付尤其重要——自动识别再准也替代不了人工过一遍关键内容。把文字稿加工成真正可用的字幕文字稿和字幕之间隔着分段是否合理这道坎。Whisper 的默认分段经常忽长忽短直接导出 SRT 会很难看。Buzz 的 Resize重排功能就是为这一步准备的设定目标字幕长度比如 42 字符超长片段自动按标点拆开打开按间隙合并音频停顿处的碎字幕自动并成整句一键应用到整个文件几十条字幕几十秒处理完。处理完的时间轴干净、节奏均匀导入剪映、Premiere 之类的剪辑工具后基本不用再手工调整。相关代码在 buzz/widgets/transcription_viewer/感兴趣的读者可以顺着看实现思路。双语字幕转录与翻译是两条独立的流水线严格来说Buzz 的翻译分两种情况。其一是 Whisper 自带的翻译任务适合任意语言转英文其二是调用兼容 OpenAI API 的翻译服务ChatGPT、Claude或本地跑的 Ollama、LM Studio把已有文字稿译成任意目标语言——这才是我做双语字幕实际用的方案。在偏好设置里填好 API 地址与密钥把翻译指令写成一段自然语言即可比如把每句中文翻译成英文不要添加任何注释。一次一小时音频的翻译成本约 1 美元如果在意隐私也可以接本地大模型文字完全不出机器。完整说明见 docs/docs/usage/3_translations.md。导出同样灵活TXT、SRT、VTT 三种格式任选文件名支持模板变量如原文件名 任务类型 日期还能指定统一导出目录批量处理时非常省事。几条顺手的支线能力主线任务之外Buzz 还有几个值得记住的入口实时录音转录麦克风直接进文字配合演示窗口适合会议、讲座的现场实时记录文件夹监控设一个目录新文件丢进去自动转录适合定期批量的流水线作业说话人分离与识别转录前先做声源分离嘈杂环境多人对话、背景音乐下准确率明显提升转录后还能区分说话人插件系统内置 AI 摘要、导出 DOCX、字幕重排等扩展目录在 buzz/plugins/命令行需要脚本化或定时任务时用python -m buzz配合 CLI 参数即可用法见 docs/docs/cli.md。关于隐私一句说清Buzz 的默认路径是数据不离开电脑除了首次下载模型需要联网所有音频处理都在本机完成。会对外传输数据的只有一种情况——你主动配置了云端翻译 API。想完全离线把翻译也换成本地模型即可。对大多数场景来说Buzz 把录音 → 文字 → 字幕这条链路压到了单人、免费、本地的程度。如果你手头也有处理不完的录音不妨就从这周的会议记录开始下载安装、选个模型、丢一段音频进去半小时内你就能拿到第一份文字稿。想折腾命令行或自行打包clone 源码仓库即可https://gitcode.com/GitHub_Trending/buz/buzz【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Buzz离线语音转文字实测：1小时录音如何变成双语字幕
Buzz离线语音转文字实测1小时录音如何变成双语字幕【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz周三晚上十点客户丢来一段1小时的中文访谈录音要求次日中午交付带时间轴的双语字幕稿。这正是 Buzz 最典型的用武之地一款完全运行在个人电脑上的开源离线语音转文字工具由 OpenAI Whisper 驱动把音频、视频就地转成文字和字幕全程不联网、不上传文件。下面跟着这条真实任务线走一遍看从原始录音到成品字幕每一步 Buzz 具体能做什么、怎么选、有哪些注意点。先交代环境我的机器是一台带 NVIDIA 显卡的 Windows 笔记本安装过程很省事——从项目发布页下载安装包双击一路下一步即可macOS 用户一条brew install --cask buzz就装好Linux 用户用 Flatpak 或 Snap 也能即装即用。第一次启动会引导下载语音模型这一步需要联网此后的转录全部在本地完成。把录音扔进任务队列Buzz 的主界面就是一个任务看板。把访谈录音拖进窗口选好模型、点击开始任务便进入队列。这种设计带来的便利很实际支持音频MP3、WAV、视频MP4、AVI甚至 YouTube 链接混在一起排队处理多个任务并行界面实时显示每个任务的状态与进度——排队中处理中 55%已完成 26 秒任务在后台执行关掉窗口也不中断。对经常批量处理录音的人来说这一层直接省掉了逐文件打开、逐个导出的重复劳动。更细的导入规则可以查官方文档 docs/docs/usage/1_file_import.md。选模型这是最值得花一分钟的决策转录质量差异的一半以上取决于你选了哪个模型。Buzz 内置一条完整的 Whisper 模型阶梯速度与精度互相置换模型定位适合场景Tiny / Base极快实时字幕、快速粗稿Small均衡日常对话、会议记录Medium较准正式访谈、播客Large / Large-V3最高精度出版级字幕、专业交付判断逻辑很简单先问自己这段音频要拿去干什么。内部参考的会议纪要Small 就够要交付客户的双语字幕直接上 Large-V3。还有两点值得记住使用 Whisper.cpp 后端时可通过 Vulkan 调用绝大多数显卡含核显加速NVIDIA 用户还可启用 CUDABuzz 不止支持 Whisper 家族还能接 Faster Whisper、Hugging Face 上任意 Whisper 兼容模型以及 Parakeet、Qwen3-ASR 等新架构模型可选项比大多数同类工具宽得多。校对转录结果不是终点是起点一小时音频在 Large 模型下约需十几到几十分钟取决于硬件。转录完成后双击任务进入查看器——这里才是整个流程真正花时间的地方。查看器把结果切成带精确起止时间精确到毫秒的片段并提供了四件顺手的工具边听边校播放器与文本联动点击片段即定位可整体调整播放速度快速搜索在长文本里定位关键词抽查人名、术语是否准确直接编辑修改文本自动保存时间轴保持不变片段循环与跟随播放适合逐句细听特别适合听写类交付。这一层对字幕交付尤其重要——自动识别再准也替代不了人工过一遍关键内容。把文字稿加工成真正可用的字幕文字稿和字幕之间隔着分段是否合理这道坎。Whisper 的默认分段经常忽长忽短直接导出 SRT 会很难看。Buzz 的 Resize重排功能就是为这一步准备的设定目标字幕长度比如 42 字符超长片段自动按标点拆开打开按间隙合并音频停顿处的碎字幕自动并成整句一键应用到整个文件几十条字幕几十秒处理完。处理完的时间轴干净、节奏均匀导入剪映、Premiere 之类的剪辑工具后基本不用再手工调整。相关代码在 buzz/widgets/transcription_viewer/感兴趣的读者可以顺着看实现思路。双语字幕转录与翻译是两条独立的流水线严格来说Buzz 的翻译分两种情况。其一是 Whisper 自带的翻译任务适合任意语言转英文其二是调用兼容 OpenAI API 的翻译服务ChatGPT、Claude或本地跑的 Ollama、LM Studio把已有文字稿译成任意目标语言——这才是我做双语字幕实际用的方案。在偏好设置里填好 API 地址与密钥把翻译指令写成一段自然语言即可比如把每句中文翻译成英文不要添加任何注释。一次一小时音频的翻译成本约 1 美元如果在意隐私也可以接本地大模型文字完全不出机器。完整说明见 docs/docs/usage/3_translations.md。导出同样灵活TXT、SRT、VTT 三种格式任选文件名支持模板变量如原文件名 任务类型 日期还能指定统一导出目录批量处理时非常省事。几条顺手的支线能力主线任务之外Buzz 还有几个值得记住的入口实时录音转录麦克风直接进文字配合演示窗口适合会议、讲座的现场实时记录文件夹监控设一个目录新文件丢进去自动转录适合定期批量的流水线作业说话人分离与识别转录前先做声源分离嘈杂环境多人对话、背景音乐下准确率明显提升转录后还能区分说话人插件系统内置 AI 摘要、导出 DOCX、字幕重排等扩展目录在 buzz/plugins/命令行需要脚本化或定时任务时用python -m buzz配合 CLI 参数即可用法见 docs/docs/cli.md。关于隐私一句说清Buzz 的默认路径是数据不离开电脑除了首次下载模型需要联网所有音频处理都在本机完成。会对外传输数据的只有一种情况——你主动配置了云端翻译 API。想完全离线把翻译也换成本地模型即可。对大多数场景来说Buzz 把录音 → 文字 → 字幕这条链路压到了单人、免费、本地的程度。如果你手头也有处理不完的录音不妨就从这周的会议记录开始下载安装、选个模型、丢一段音频进去半小时内你就能拿到第一份文字稿。想折腾命令行或自行打包clone 源码仓库即可https://gitcode.com/GitHub_Trending/buz/buzz【免费下载链接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.项目地址: https://gitcode.com/GitHub_Trending/buz/buzz创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考