Buzz 本地音频转录实战指南5 步把录音变成文字和字幕【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/buzzBuzz 是一款完全免费的本地音频转录工具基于 OpenAI 的 Whisper 模型全程在你自己的电脑上运行断网照样能用一个子儿不花。想象一下这个场景三小时的课程录音躺在桌面上今晚就要一份逐句文字稿在线转写服务却要你先上传文件、再按分钟收费断网时干脆罢工。Buzz 就是为这种时刻准备的——不上传、不付费丢进去、等进度条走完就行。 差异一张表Buzz 本地转录凭什么和在线服务不同维度传统在线转写Buzz 本地转录数据去向必须上传到第三方服务器文件不出机器零泄露风险费用按分钟计费或订阅免费额度用尽即锁开源免费不限次数不限时长断网环境直接不可用毫无影响照常转录速度体验受服务器排队牵制你说了不算取决于本机硬件GPU 可明显加速平台覆盖多以网页为主Windows / macOS / Linux 全覆盖隐私是它的立身之本。商务会议、访谈素材这类敏感音频从头到尾都在你的硬盘里不经过任何中转服务器泄露这条路从源头就被掐断。开源 永久免费 社区推着走。代码完全开放社区迭代节奏快你踩到的坑可能下次更新就填上了。硬件支持给得大方。NVIDIA 显卡可开 CUDA 加速Apple Silicon 芯片有深度优化还兼容 Vulkan就算没有独显纯 CPU 也能跑只是快慢的区别。⚙️ Buzz 安装与第一次转录5 步拿到第一份文字稿第 1 步装好并启动。从官网下载对应系统的安装包双击、按向导点完即可macOS 和 Linux 也有各自的安装文件。打开主窗口你会看到左侧任务列表、右侧转录选项区。第 2 步把文件喂进去。MP3、WAV、FLAC、MP4、AVI 等常见音视频格式都认。导入有三个入口点工具栏上的 按钮、按 CtrlOmacOS 是 CmdO、或直接把文件拖进窗口。它还能吃链接——用 URL 导入粘贴视频地址就自动拉取音频进入流程做字幕省掉了手动下载那一步。第 3 步选模型、缺啥下啥。在模型下拉框选一个 Whisper 模型如果对应规格还没下载过到模型设置页点一下下载进度可见。第 4 步点 Run 进队列。确认任务类型、语言、导出格式后按 Run任务即刻入队主窗口能实时盯进度多个文件会排队并发处理。第 5 步双击看结果。状态变成 Completed 后双击该行打开转录窗口带时间戳的逐句文本都在里面可直接复制、导出。 Buzz 参数调优4 个最影响转录质量的开关第一次跑出来效果不理想十有八九是这四个开关没调对。任务类型决定它是原样听写还是顺手翻译。选 Transcribe输出与音频同语言的文本选 Translate则把非英语内容直接转成英文。已知语言的录音就用 Transcribe想要跨语言稿件才动用 Translate。语言知道就点名不知道才让它猜。自动检测多数时候够用但既然事先知道录音里说什么语言手动点名往往换来更稳的准确率。它支持 99 种以上语言中、英、日、德等主流语种全在列。模型大小速度和准确率之间的档杆。tiny 到 large 五档从小到大排开设置页里能看清哪些已下载、哪些可以一键补齐。日常素材用 small 或 medium 是甜点档重要材料、专业内容直接上 large。导出格式TXT 出纯稿SRT / VTT 出字幕。几个格式可以同时勾一次处理多份产出。要给视频配字幕就勾 SRT 或 VTT省得事后手工补时间戳。 Buzz 进阶用法字幕整形、实时转录、说话人识别字幕整形治住一屏放不下的长行长录音转成字幕后行长度完全不受控——太长观众读不完太短又频繁跳行这是最磨人的问题。操作双击转录结果进入编辑器点 Resize 按钮设定每行目标长度它会按标点和语义重新断句还能按时间间隔合并过碎的字幕、按标点拆长句、按最大长度强制分块甚至可以统一延长每条字幕的停留时间。不同视频平台的字幕规范不同改几个数字就能适配原本半小时的手工活现在几分钟自动完成。实时转录话音落地文字跟上在线会议、课堂、直播里常常需要话一出口字就出来而多数工具要么要联网、要么不能本地留存。操作在主界面选好录音任务、语言和麦克风点 Record 按钮屏幕就随你的语音实时蹦字需要投屏时在录音过程中打开专门的演示窗口实时转录会被放大展示。会议纪要、课堂笔记、直播字幕都能这样边说边产出。说话人识别多人对话不再他说她说猜来猜去访谈、会议录音里多个声音混在一起转录完只剩一长串文字谁说了什么全靠上下文猜。操作在转录窗口点 Identify speakers 按钮它会自动给不同发言者打标签并标记各自的句子你还能试听该说话人 10 秒的语音片段确认身份把自动标签改成真实姓名也可以勾选把同一人的连续句子合并成段。四类人群场景速查拿来即用人群推荐用法组合学生和老师课程录音用 small 模型 手动指定语言快速转录配合时间戳定位复习点外语课程直接上 Translate 任务出英文稿视频创作者视频导入 → 勾上词级时间戳 → Resize 统一行宽 → 导出 SRT直接丢进剪辑软件职场人会议实时转录 说话人识别 AI 摘要插件散会即出结构化纪要数据全程不出本机研究者文件夹监控自动吞掉新访谈素材 跳过已转录插件防重复结果导出 DOCX 直接进入分析环节批量脚本党还有命令行入口比如一次性把一批文件转成字幕# 批量转录目录下所有 mp3并直接导出 SRT 字幕 buzz add --task transcribe --model-type whispercpp \ --model-size small --srt *.mp3更多参数细节见官方 CLI 文档。Buzz 批量转录避坑 5 条先把模型下好别现下。首次跑任务时若缺模型任务会卡在下载环节提前在模型设置页补齐规格跑起来才不卡壳。已知语言一定手动选。自动检测是省事选项不是准确选项手动指定几乎总不会更差。专业术语写进初始提示词。人名、地名、专有名词填进高级设置的 Initial prompt 框这些词的识别率会肉眼可见地涨技术讲座、医学讨论场景尤其明显。嘈杂录音先开提取语音再转。勾上 Extract Speech它会先把人声单独抽出来再转录噪音更重的素材可以顺手启用 DeepFilterNet 降噪插件做前置处理。批量任务用小模型摸底、大模型精修。先用 tiny 把全量文件快速过一遍挑出真正重要的换大模型重跑再配合文件夹监控和跳过已转录插件重复劳动交给程序。插件开关和顺序都在 Help → Plugins 里调更多插件结构可翻插件目录。Buzz 快问快答QBuzz 必须联网吗A转录本身不需要。只有下载模型、检查更新时走网络选调用 OpenAI 在线 API 做翻译或摘要时才需要联网默认全本地流程。Q支持多少种语言A99 种以上中、英、日、法、德等主流语言全覆盖识别和翻译都支持。Q处理速度怎么样A取决于音频时长、模型大小和硬件。带 GPU 的机器通常能到实时甚至更快纯 CPU 环境建议把模型降一档或换 Whisper.cpp 后端提速。Q能转多长的音频A没有硬性长度限制几秒的语音到几小时的录音都能处理长文件在队列里排队慢慢跑。Q实时转录会不会卡A会随硬件波动。默认 Whisper 模型吃资源实时场景建议换 Whisper.cpp 后端、选小模型官方文档也明确提示了这一点。Q去哪里拿最新版本A官方仓库同步发布最新开发版本保持更新就能第一时间用上文件夹监控、插件这些新能力。Buzz 把声音变文字这件事从要上传、要花钱、受制于网速的外包服务变成免费、快速、完全攥在自己手里的本地能力。现在就去下载安装把第一段录音丢进主窗口看看离线 AI 音频转录有多省心。让那些录音不再是硬盘里一堆听不动的噪音而是随时能搜索、能改、能交出去的文字稿。【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 本地音频转录实战指南：5 步把录音变成文字和字幕
Buzz 本地音频转录实战指南5 步把录音变成文字和字幕【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/buzzBuzz 是一款完全免费的本地音频转录工具基于 OpenAI 的 Whisper 模型全程在你自己的电脑上运行断网照样能用一个子儿不花。想象一下这个场景三小时的课程录音躺在桌面上今晚就要一份逐句文字稿在线转写服务却要你先上传文件、再按分钟收费断网时干脆罢工。Buzz 就是为这种时刻准备的——不上传、不付费丢进去、等进度条走完就行。 差异一张表Buzz 本地转录凭什么和在线服务不同维度传统在线转写Buzz 本地转录数据去向必须上传到第三方服务器文件不出机器零泄露风险费用按分钟计费或订阅免费额度用尽即锁开源免费不限次数不限时长断网环境直接不可用毫无影响照常转录速度体验受服务器排队牵制你说了不算取决于本机硬件GPU 可明显加速平台覆盖多以网页为主Windows / macOS / Linux 全覆盖隐私是它的立身之本。商务会议、访谈素材这类敏感音频从头到尾都在你的硬盘里不经过任何中转服务器泄露这条路从源头就被掐断。开源 永久免费 社区推着走。代码完全开放社区迭代节奏快你踩到的坑可能下次更新就填上了。硬件支持给得大方。NVIDIA 显卡可开 CUDA 加速Apple Silicon 芯片有深度优化还兼容 Vulkan就算没有独显纯 CPU 也能跑只是快慢的区别。⚙️ Buzz 安装与第一次转录5 步拿到第一份文字稿第 1 步装好并启动。从官网下载对应系统的安装包双击、按向导点完即可macOS 和 Linux 也有各自的安装文件。打开主窗口你会看到左侧任务列表、右侧转录选项区。第 2 步把文件喂进去。MP3、WAV、FLAC、MP4、AVI 等常见音视频格式都认。导入有三个入口点工具栏上的 按钮、按 CtrlOmacOS 是 CmdO、或直接把文件拖进窗口。它还能吃链接——用 URL 导入粘贴视频地址就自动拉取音频进入流程做字幕省掉了手动下载那一步。第 3 步选模型、缺啥下啥。在模型下拉框选一个 Whisper 模型如果对应规格还没下载过到模型设置页点一下下载进度可见。第 4 步点 Run 进队列。确认任务类型、语言、导出格式后按 Run任务即刻入队主窗口能实时盯进度多个文件会排队并发处理。第 5 步双击看结果。状态变成 Completed 后双击该行打开转录窗口带时间戳的逐句文本都在里面可直接复制、导出。 Buzz 参数调优4 个最影响转录质量的开关第一次跑出来效果不理想十有八九是这四个开关没调对。任务类型决定它是原样听写还是顺手翻译。选 Transcribe输出与音频同语言的文本选 Translate则把非英语内容直接转成英文。已知语言的录音就用 Transcribe想要跨语言稿件才动用 Translate。语言知道就点名不知道才让它猜。自动检测多数时候够用但既然事先知道录音里说什么语言手动点名往往换来更稳的准确率。它支持 99 种以上语言中、英、日、德等主流语种全在列。模型大小速度和准确率之间的档杆。tiny 到 large 五档从小到大排开设置页里能看清哪些已下载、哪些可以一键补齐。日常素材用 small 或 medium 是甜点档重要材料、专业内容直接上 large。导出格式TXT 出纯稿SRT / VTT 出字幕。几个格式可以同时勾一次处理多份产出。要给视频配字幕就勾 SRT 或 VTT省得事后手工补时间戳。 Buzz 进阶用法字幕整形、实时转录、说话人识别字幕整形治住一屏放不下的长行长录音转成字幕后行长度完全不受控——太长观众读不完太短又频繁跳行这是最磨人的问题。操作双击转录结果进入编辑器点 Resize 按钮设定每行目标长度它会按标点和语义重新断句还能按时间间隔合并过碎的字幕、按标点拆长句、按最大长度强制分块甚至可以统一延长每条字幕的停留时间。不同视频平台的字幕规范不同改几个数字就能适配原本半小时的手工活现在几分钟自动完成。实时转录话音落地文字跟上在线会议、课堂、直播里常常需要话一出口字就出来而多数工具要么要联网、要么不能本地留存。操作在主界面选好录音任务、语言和麦克风点 Record 按钮屏幕就随你的语音实时蹦字需要投屏时在录音过程中打开专门的演示窗口实时转录会被放大展示。会议纪要、课堂笔记、直播字幕都能这样边说边产出。说话人识别多人对话不再他说她说猜来猜去访谈、会议录音里多个声音混在一起转录完只剩一长串文字谁说了什么全靠上下文猜。操作在转录窗口点 Identify speakers 按钮它会自动给不同发言者打标签并标记各自的句子你还能试听该说话人 10 秒的语音片段确认身份把自动标签改成真实姓名也可以勾选把同一人的连续句子合并成段。四类人群场景速查拿来即用人群推荐用法组合学生和老师课程录音用 small 模型 手动指定语言快速转录配合时间戳定位复习点外语课程直接上 Translate 任务出英文稿视频创作者视频导入 → 勾上词级时间戳 → Resize 统一行宽 → 导出 SRT直接丢进剪辑软件职场人会议实时转录 说话人识别 AI 摘要插件散会即出结构化纪要数据全程不出本机研究者文件夹监控自动吞掉新访谈素材 跳过已转录插件防重复结果导出 DOCX 直接进入分析环节批量脚本党还有命令行入口比如一次性把一批文件转成字幕# 批量转录目录下所有 mp3并直接导出 SRT 字幕 buzz add --task transcribe --model-type whispercpp \ --model-size small --srt *.mp3更多参数细节见官方 CLI 文档。Buzz 批量转录避坑 5 条先把模型下好别现下。首次跑任务时若缺模型任务会卡在下载环节提前在模型设置页补齐规格跑起来才不卡壳。已知语言一定手动选。自动检测是省事选项不是准确选项手动指定几乎总不会更差。专业术语写进初始提示词。人名、地名、专有名词填进高级设置的 Initial prompt 框这些词的识别率会肉眼可见地涨技术讲座、医学讨论场景尤其明显。嘈杂录音先开提取语音再转。勾上 Extract Speech它会先把人声单独抽出来再转录噪音更重的素材可以顺手启用 DeepFilterNet 降噪插件做前置处理。批量任务用小模型摸底、大模型精修。先用 tiny 把全量文件快速过一遍挑出真正重要的换大模型重跑再配合文件夹监控和跳过已转录插件重复劳动交给程序。插件开关和顺序都在 Help → Plugins 里调更多插件结构可翻插件目录。Buzz 快问快答QBuzz 必须联网吗A转录本身不需要。只有下载模型、检查更新时走网络选调用 OpenAI 在线 API 做翻译或摘要时才需要联网默认全本地流程。Q支持多少种语言A99 种以上中、英、日、法、德等主流语言全覆盖识别和翻译都支持。Q处理速度怎么样A取决于音频时长、模型大小和硬件。带 GPU 的机器通常能到实时甚至更快纯 CPU 环境建议把模型降一档或换 Whisper.cpp 后端提速。Q能转多长的音频A没有硬性长度限制几秒的语音到几小时的录音都能处理长文件在队列里排队慢慢跑。Q实时转录会不会卡A会随硬件波动。默认 Whisper 模型吃资源实时场景建议换 Whisper.cpp 后端、选小模型官方文档也明确提示了这一点。Q去哪里拿最新版本A官方仓库同步发布最新开发版本保持更新就能第一时间用上文件夹监控、插件这些新能力。Buzz 把声音变文字这件事从要上传、要花钱、受制于网速的外包服务变成免费、快速、完全攥在自己手里的本地能力。现在就去下载安装把第一段录音丢进主窗口看看离线 AI 音频转录有多省心。让那些录音不再是硬盘里一堆听不动的噪音而是随时能搜索、能改、能交出去的文字稿。【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