Buzz在个人电脑上完成离线音频转文字本地语音转文字实用指南【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会议录音和采访音频不想传到云端Buzz 可以直接在你自己的电脑上把它们转成文字。这是一款离线音频转录工具靠 OpenAI Whisper一个开源的语音识别模型在本地跑音频全程不出机器模型下载完之后断网也能用。安装 BuzzWindows / macOS / Linux 各平台方法macOS 和 Windows 用户去官方发布页下载对应安装包装完打开就能用。Windows 首次安装可能会弹出无法验证发布者的提示点更多信息 → 仍要运行即可。Linux 用户可以用 Flatpak 或 Snap 安装flatpak install flathub io.github.chidiwilliams.Buzz习惯 Python 环境的话也可以从 PyPI 装需要 Python 3.12 和已装好的 ffmpegpip install buzz-captions装好后在终端运行 python -m buzz 即可启动。跑通第一次音频转录从导入文件到导出字幕打开应用点工具栏上的号快捷键 Ctrl/Cmd O选中音频或视频文件。MP3、WAV、FLAC 这类音频和 MP4 这类视频都支持一次可以选多个Buzz 会把它们排进队列依次处理。选好文件后Buzz 会让你为这个任务设置三样东西任务类型转录原文还是翻译成英文、语言、Whisper 模型。语言这一栏建议手动选别用自动检测。点运行列表里会出现进度状态变成完成后双击这一行就打开转录查看器左边是带时间戳的文字上方可以播放音频、搜索文字、调节播放速度。右上角选导出格式TXT、SRT、VTT 三种就能拿到一份可以直接用的文本或字幕文件。按机器配置挑 Whisper 模型Whisper 模型分几个尺寸越小跑得越快、越占不住内存但识别容易出错越大越准但也越吃硬件。除了模型尺寸还有一个Whisper 类型也就是用哪个计算后端的选择Whisper原版最稳但最慢内存占用大Faster Whisper优化过的实现速度快好几倍要求有至少 6GB 显存的 Nvidia 显卡Whisper.cppC 实现的快速版本核显、集成显卡甚至纯 CPU 都能跑官方认为这是 Mac 上的最佳选择。推荐策略一句话先拿小型模型试一遍准确率够用就停在这里有 Nvidia 显卡就把模型加大、后端切到 Faster Whisper没有独立显卡就用 Whisper.cpp 配中型或大模型速度依然可接受。三个真实场景会议记录、视频字幕、采访整理会议记录会后把录音文件拖进队列几分钟就得到一份 TXT 纪要如果现场就需要用实时转录边开边出文字。中英混合会议还可以直接把任务类型设为翻译成英文产出就是英文文稿。视频字幕导入 MP4 时勾选词级时间戳给每个词打时间标记转录完用重排功能把碎词按最大行长合并成行、按标点断句导出 SRT 或 VTT直接拖进剪辑软件就能用。采访整理长访谈里两个人反复交叉Buzz 的说话人识别功能可以在转录中区分不同说话人产出是谁说了什么结构清晰的文稿省掉来回听录音对词的工夫。值得设置的三个细节字幕合并与拆分转录查看器里的 Resize 按钮可以按最大行长和标点规则重排字幕还能给每段字幕统一延长停留时间。实时转录点麦克风按钮就开始录说转文字配合演示窗口可以把实时字幕投屏适合讲座和发布会。监听文件夹把文件丢进指定文件夹就会自动转录不用逐个手动添加适合固定来源的批量素材。常见坑位Windows 安装时弹出无法验证发布者的警告程序未签名属正常现象选更多信息 → 仍要运行。语言选了自动检测却识别错先手动指定语言多数情况下准确率会明显更高。转录太慢或 CPU 打满换 Whisper.cpp 后端或把模型尺寸降一档。模型下载中断可能导致启动崩溃到 帮助 → 首选项 → 模型 里删掉损坏的模型重新下载。文档与源码索引转录引擎各 Whisper 后端的实现入口想了解计算逻辑从这里开始。界面组件主窗口、转录查看器、字幕重排等界面代码。插件系统AI 摘要、导出扩展等可插拔功能。官方文档安装、使用场景和偏好设置的详细说明。Buzz 适合手上有一堆音视频、又不想把文件交给任何在线服务的场景全程离线本地跑你的机器能跑多大的模型转录就能做到多准。【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：在个人电脑上完成离线音频转文字，本地语音转文字实用指南
Buzz在个人电脑上完成离线音频转文字本地语音转文字实用指南【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会议录音和采访音频不想传到云端Buzz 可以直接在你自己的电脑上把它们转成文字。这是一款离线音频转录工具靠 OpenAI Whisper一个开源的语音识别模型在本地跑音频全程不出机器模型下载完之后断网也能用。安装 BuzzWindows / macOS / Linux 各平台方法macOS 和 Windows 用户去官方发布页下载对应安装包装完打开就能用。Windows 首次安装可能会弹出无法验证发布者的提示点更多信息 → 仍要运行即可。Linux 用户可以用 Flatpak 或 Snap 安装flatpak install flathub io.github.chidiwilliams.Buzz习惯 Python 环境的话也可以从 PyPI 装需要 Python 3.12 和已装好的 ffmpegpip install buzz-captions装好后在终端运行 python -m buzz 即可启动。跑通第一次音频转录从导入文件到导出字幕打开应用点工具栏上的号快捷键 Ctrl/Cmd O选中音频或视频文件。MP3、WAV、FLAC 这类音频和 MP4 这类视频都支持一次可以选多个Buzz 会把它们排进队列依次处理。选好文件后Buzz 会让你为这个任务设置三样东西任务类型转录原文还是翻译成英文、语言、Whisper 模型。语言这一栏建议手动选别用自动检测。点运行列表里会出现进度状态变成完成后双击这一行就打开转录查看器左边是带时间戳的文字上方可以播放音频、搜索文字、调节播放速度。右上角选导出格式TXT、SRT、VTT 三种就能拿到一份可以直接用的文本或字幕文件。按机器配置挑 Whisper 模型Whisper 模型分几个尺寸越小跑得越快、越占不住内存但识别容易出错越大越准但也越吃硬件。除了模型尺寸还有一个Whisper 类型也就是用哪个计算后端的选择Whisper原版最稳但最慢内存占用大Faster Whisper优化过的实现速度快好几倍要求有至少 6GB 显存的 Nvidia 显卡Whisper.cppC 实现的快速版本核显、集成显卡甚至纯 CPU 都能跑官方认为这是 Mac 上的最佳选择。推荐策略一句话先拿小型模型试一遍准确率够用就停在这里有 Nvidia 显卡就把模型加大、后端切到 Faster Whisper没有独立显卡就用 Whisper.cpp 配中型或大模型速度依然可接受。三个真实场景会议记录、视频字幕、采访整理会议记录会后把录音文件拖进队列几分钟就得到一份 TXT 纪要如果现场就需要用实时转录边开边出文字。中英混合会议还可以直接把任务类型设为翻译成英文产出就是英文文稿。视频字幕导入 MP4 时勾选词级时间戳给每个词打时间标记转录完用重排功能把碎词按最大行长合并成行、按标点断句导出 SRT 或 VTT直接拖进剪辑软件就能用。采访整理长访谈里两个人反复交叉Buzz 的说话人识别功能可以在转录中区分不同说话人产出是谁说了什么结构清晰的文稿省掉来回听录音对词的工夫。值得设置的三个细节字幕合并与拆分转录查看器里的 Resize 按钮可以按最大行长和标点规则重排字幕还能给每段字幕统一延长停留时间。实时转录点麦克风按钮就开始录说转文字配合演示窗口可以把实时字幕投屏适合讲座和发布会。监听文件夹把文件丢进指定文件夹就会自动转录不用逐个手动添加适合固定来源的批量素材。常见坑位Windows 安装时弹出无法验证发布者的警告程序未签名属正常现象选更多信息 → 仍要运行。语言选了自动检测却识别错先手动指定语言多数情况下准确率会明显更高。转录太慢或 CPU 打满换 Whisper.cpp 后端或把模型尺寸降一档。模型下载中断可能导致启动崩溃到 帮助 → 首选项 → 模型 里删掉损坏的模型重新下载。文档与源码索引转录引擎各 Whisper 后端的实现入口想了解计算逻辑从这里开始。界面组件主窗口、转录查看器、字幕重排等界面代码。插件系统AI 摘要、导出扩展等可插拔功能。官方文档安装、使用场景和偏好设置的详细说明。Buzz 适合手上有一堆音视频、又不想把文件交给任何在线服务的场景全程离线本地跑你的机器能跑多大的模型转录就能做到多准。【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