Buzz 本地离线转写完全指南:五分钟从任意录音拿到带时间轴的文字稿
【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 是一款免费开源的本地语音转文字工具,它把 OpenAI Whisper 模型直接跑在你的电脑上,全程离线,把音频、视频乃至在线视频链接转成带时间轴的文字稿,再导出成 SRT 字幕。这篇上手指南面向零基础用户:读完跟着做,你能装好 Buzz,并把第一段录音变成可编辑、可导出的文字稿。
🎯 为什么值得装
- 不上传、不计费—— 音频不出你的电脑,不填 API Key,转写多少次都免费。适合手头录音有保密要求、不方便传云端的你。
- 听 4 小时录音 → 10 分钟出文字稿—— 自动转写还带时间轴,点任意一行音频就跳到对应位置。适合采访者、研究员和靠听写记笔记的人。
- 转写顺手翻译成英文—— 任务类型选 Translate,一步出英文稿。适合处理外语材料的你。
- 设好就不用管—— 开启文件夹监控,新音频落进来自动排队处理。适合多人往共享文件夹丢文件的团队。
📦 安装与准备
按你的系统四选一:
- Windows:下载安装程序双击安装。应用未签名,弹出安全警告时选「更多信息」→「仍要运行」。装完能打开任务队列主界面就算成功。
- macOS:下载 .dmg 把应用拖进「应用程序」文件夹(注意现在只支持 Apple Silicon Mac,Intel 版止步于 1.4.5)。打开能看到主界面即可。
- Linux:Snap 方式执行
sudo snap install buzz,再sudo snap connect buzz:password-manager-service授权密码存储;也可以用 Flatpak:flatpak install flathub io.github.chidiwilliams.Buzz。终端里能启动buzz并弹出窗口就说明装好了。 - Python 环境:先装好 ffmpeg,再
pip install buzz-captions,然后python -m buzz启动(要求 Python 3.12)。界面正常弹出就算就绪。
⚡ 第一次出结果的最短路径
- 打开 Buzz,把 MP3 或 MP4 文件拖进主界面(也可以粘贴在线视频链接)。
- 模型选 Base,任务类型选 Transcribe,语言保持自动检测。
- 点 Run;首次会自动下载模型,下完就开始处理。
- 状态显示 Completed 后,双击该行打开转录详情。
- 在右上角菜单导出 TXT / SRT / VTT,收工。
🧩 核心操作三阶段
输入前:文件进队列后,在任务行里设好模型、任务类型和语言。两个关键动作:每行点「Run」前确认参数无误;长录音建议手动指定语言,自动检测偶尔会翻车。
处理中:队列每行都有实时进度,关掉窗口任务也在后台继续跑。多个文件可以一次排进去,按顺序逐个处理。
出结果后:双击已完成任务打开详情,每段都带开始、结束时间,点击跳到音频对应位置,改动自动保存。字幕某行太长,打开 Resize 工具,长句按标点自动拆分、碎片自动合并。
📊 常用参数速查
| 参数 | 常见取值 | 一句话作用 |
|---|---|---|
| 模型大小 | tiny / base / small / medium / large | 越大越准也越慢,速度和质量的平衡点 |
| Whisper 类型 | whisper / whispercpp / fasterwhisper / huggingface | 按硬件选实现,Mac 和无独显电脑推荐 whispercpp |
| 任务 | 转写 / 翻译 | 翻译 = 转写 + 译成英文一步完成 |
| 语言 | 自动检测或手动指定 | 短音频、混合语言手动指定更稳 |
| 词级时间戳 | 开 / 关 | 打开后才能用 Resize 精细调整字幕 |
| 输出格式 | TXT / SRT / VTT | 字幕用 SRT,纯文字笔记用 TXT |
🍱 场景配方卡
场景一:两小时采访变能用的文字稿目标:拿到一份带时间轴、可交付的文字稿。
- 录音拖进队列,模型选 Small 或 Medium。
- 有 NVIDIA 显卡就先装 CUDA 加速,等待时间明显缩短。
- 完成后双击详情,边播放边校对人名和术语。 交付物:带时间戳的文字稿,点任意一行音频就跳到对应位置。
场景二:团队共享录音自动批量转写目标:不用人盯,文件进来就处理。
- 在偏好设置里开启文件夹监控,指向共享目录。
- 启用 skip already transcribed 插件,已有文稿的文件直接跳过。
- 新文件一进来自动排队,转完自动归档。 交付物:同事每丢一个文件,输出目录就多出对应文字稿。
场景三:外语录音出英文稿加字幕目标:外语音频直接变成英文可读稿。
- 任务类型选 Translate,指定源语言。
- 处理完导出 SRT,顺手当字幕用。
- 哪行字幕太长,打开 Resize 设好最大长度自动拆分。 交付物:英文文字稿 + 长度可控的 SRT 字幕文件。
⚙️ 排坑与提速
- 转写比预期慢→ 先把模型调小一档,或换 Whisper.cpp 后端。
- 想榨干 NVIDIA 显卡→ 1.4.6 及以上版本进 Help → About Buzz 安装 CUDA Acceleration;没有 N 卡跳过。
- 任务一直排队不动→ 多半是模型还没下完,回 Models 设置页确认后再排队。
- 识别错漏太多→ 换大一号模型重跑并手动指定语言;专有名词容易拼错的,写进初始提示(Initial prompt)里。
- 程序崩溃→ 常见于模型下载损坏,去 Models 页删掉重新下载。
- 重复导入不想重跑→ 开 skip already transcribed 插件,已有结果的文件自动标记 Skipped。
更多自动化玩法可以看 CLI 文档,内置插件的结构和钩子都在 插件目录 里,照着就能写自己的。
🏁 收尾
Buzz 把一整套离线转写工作站装进了你自己的电脑,不上传、不按分钟计费。现在就挑一种方式装好它,把第一段录音拖进去,几分钟后的你会同时拥有文字稿和字幕。
【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
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考