Buzz 离线语音转录完全指南：从本地安装到批量自动化的实操教程

Buzz 离线语音转录完全指南从本地安装到批量自动化的实操教程【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 是一款基于 OpenAI Whisper 的完全离线语音转录工具所有识别与翻译都在你自己的电脑上完成——会议录音、采访音频、课程讲义都不会上传到任何服务器。它支持音频/视频文件、YouTube 链接、麦克风实时录音能按说话人拆分对话并把结果导出为 TXT、SRT、VTT 等格式。这篇指南带你从零开始先装好、再转第一个文件最后掌握文件夹监视、命令行和插件这些进阶玩法。三步装好 BuzzWindows、macOS 与 LinuxBuzz 覆盖了主流平台安装方式按系统选择即可。Windows / macOS到官方分发渠道下载对应安装包macOS 为.dmg文件Intel 与 Apple Silicon 芯片均支持。Windows 版未做代码签名安装时系统会弹出安全提示选择“更多信息” → “仍要运行”即可这是正常现象。LinuxFlatpak 或 Snap# Flatpak flatpak install flathub io.github.chidiwilliams.Buzz # Snap sudo snap install buzzPython 开发者从 PyPI 安装pip install buzz-captions python -m buzz注意两点需要 Python 3.12 环境并提前装好 ffmpeg。如果你的 NVIDIA 显卡想跑 CUDA 加速还要单独安装带 CUDA 支持的 torch 版本。偏好设置的 Models 标签页模型按 tiny 到 large 分级列出支持下载、删除和导入自定义模型文件转第一个文件主界面操作与模型选择打开 Buzz 后点工具栏上的“”导入音频或视频文件也可以粘贴 YouTube 链接。任务列表会显示每一项的文件名、所用模型、任务类型转写/翻译和实时状态多个任务可以排队并行处理。主界面以表格列出待处理文件、模型档位、任务类型和完成状态Whisper 模型档位怎么选任务提交前可以指定模型档位tiny / base / small / medium / large和后端。档位越大准确率越高、速度越慢档位适用场景tiny / base快速预览、低配置设备small / medium日常使用速度与精度的平衡点large重要内容、专业术语多的音频后端方面Buzz 内置多种 Whisper 实现标准 whisper、Whisper.cpp、faster-whisper以及 Hugging Face 上的 Transformer 模型族如果你实在不介意联网也可以配置 OpenAI API。加速能力因后端而异——NVIDIA 显卡可用CUDAWhisper.cpp 则支持Vulkan多数独显和核显都能用Mac 上直接吃满 Apple Silicon。在偏好设置的 Models 标签页里可以统一下载、删除或导入自定义 ggml 模型文件。查看与编辑转录结果时间轴、搜索与导出任务跑完后双击该行进入转录查看器。每条文本都带精确的起止时间戳左侧可以搜索定位、底部播放条支持拖动和倍速播放方便边听边核对。转录查看器按 Start / End / Text 三列展示结果支持播放、变速和文本编辑确认内容后从 Export 菜单选择格式导出。Buzz 原生支持三种格式TXT纯文本交给文档编辑器继续加工SRT通用字幕格式直接导入视频剪辑软件VTTWeb 视频字幕格式如果你已经让 Buzz 生成了翻译导出菜单里同样提供 TXT / SRT / VTT 的翻译版本。字幕整形让 SRT 更好看转出来的字幕经常一句太长或断得太碎。Resize 功能提供三种调节手段都是针对字幕时长优化的按间隙合并Merge by gap间隔小于设定秒数的短句自动合并按标点分割Split by punctuation在句末符号处切开长句按最大长度限制Split by max length超过字符上限的自动断行Resize 选项面板设定目标字幕长度并可组合使用合并与分割规则调好参数点 Merge字幕就会重新切分适合直接投给剪辑软件。进阶玩法一实时录音与多人对话麦克风实时转录Buzz 不只能处理文件还能对着麦克风实时出字适合会议、讲座和演示现场。界面上可配置模型、语言、麦克风设备和Delay延迟缓冲参数——延迟越长引擎拿到完整句子越多结果越稳。实时录音设置面板选择模型、语言、任务类型、麦克风并调整延迟录音结束后转录模式决定文字如何追加Append below新句子加在末尾Append above新句子插到开头Append and correct追加的同时回头修正前面已识别的片段长录音推荐使用配合Presentation window演示窗口可以把实时文字投到另一块屏幕上讲台上的人能实时看到自己的发言。说话人识别多人对话场景下Buzz 支持在转录结果里识别并标记不同说话人为每段话语打上说话人标签导出后对话结构一目了然。相关功能实现在 buzz/widgets/transcription_viewer/speaker_identification_widget.py。对噪声较大的录音还可以先跑语音分离再转录提升分离效果。进阶玩法二文件夹监视、CLI 与插件文件夹监视放进来就自动转在偏好设置里指定一个输入文件夹Buzz 会盯着它——新音频文件一出现就自动开始转录结果按模板命名后写回指定输出目录。模板支持{{ input_file_name }}、{{ task }}、{{ date_time }}等变量一套配置长期复用。偏好设置 General 标签页可配置默认导出文件名模板、导出目录和实时录音模式命令行脚本化批量处理Buzz 自带 CLI一条命令即可完成“转写 导出 SRT/VTT”方便接入自动化脚本buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt /path/to/video.mp4完整参数语言、提示词、词级时间戳等见 docs/docs/cli.md。插件系统官方自带一批Buzz 的 plugins/ 目录内置了若干实用插件AI 摘要转录完成后调用兼容 OpenAI 的接口生成摘要存到笔记或文本文件参考实现见 plugins/ai_summary/Deep Filter Net转录前降噪增强语言检测DOCX 导出跳过已转录片段转录整形自动执行字幕 Resizing高频问题速查转得太慢换 tiny 或 base 档位关掉抢占资源的后台程序有显卡就开 CUDANVIDIA或 VulkanWhisper.cpp核显也能受益。识别不准三件事按优先级做尽量在安静环境录制手动指定音频语言而不是让引擎猜重要内容直接上 medium 或 large 模型。专有名词、术语多的场合在初始提示词里把关键词列出来效果提升明显。支持哪些格式音频MP3、WAV、M4A、OGG、OPUS、FLAC视频MP4、WebM、MOV、MKV、AVI、WMV——视频会自动提取音轨再转录。语言方面覆盖 99 种以上。批量处理怎么办三选一文件夹监视全自动把多个文件一次拖进任务队列或用 CLI 写脚本循环处理。延伸阅读想深挖细节仓库里的官方文档按主题拆好了使用教程文件导入、实时录音、翻译、编辑、说话人识别、插件等docs/docs/插件开发与官方插件源码plugins/AI 摘要插件参考实现plugins/ai_summary/偏好与快捷键说明docs/docs/preferences.md常见问题与开发版获取方式docs/docs/faq.md一句话总结Buzz 把 Whisper 的本地化能力打包成了一套完整的桌面工作流——隐私敏感的内容留在本地批量和自动化交给监视文件夹与 CLI而字幕整理这类脏活由 Resize 和插件代劳。装好它你的录音文件就有了一条从“声音”到“可用文本”的本地流水线。【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