拓冰网站定制 
Buzz 离线语音识别完整指南本地 Whisper 录音转文字免费且可离线【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硬盘里躺着几百小时会议录音想找一句关键发言只能拖着进度条反复试听——Buzz 就是为这种场景准备的本地语音转文字工具它基于 OpenAI Whisper 做离线语音识别音频和文字都留在你自己电脑上不联网也能转。Buzz 是什么音频不出电脑直接转成文字Buzz 是一个桌面应用把 Whisper 模型和音频处理流程打包在一起导入文件、选模型、点运行语音就在本机变成可编辑的文字还能顺手翻译成英文。和常见的云端转写服务比差别主要在三处对比项云端转写服务Buzz音频去向上传到服务器留在本机网络依赖必须联网离线可用费用按时长计费免费动手前怎么选安装方式与模型一次定好先定安装方式再定模型两个决策 30 秒就能做完场景推荐选项理由普通用户官方安装包 / Flatpak开箱即用开发者pip装 buzz-captions方便配 GPU 版 torch无独显电脑Whisper.cpp smallCPU 也能跑动有 NVIDIA 显卡Faster Whisper large速度与精度兼顾模型大小直接决定速度上限tiny 和 base 出结果快但错得多large 系列更准但吃资源其中 large-v3 最准却偶尔写出音频里不存在的词。最省事的办法是拿一段自己的真实音频把两三个尺寸都跑一遍再定。另外 Windows 安装包未签名安装弹窗选更多信息 → 仍然运行即可继续。最短路径上手从安装到第一份字幕第一步安装Windows 与 macOS 用户下载官方安装包Linux 执行flatpak install flathub io.github.chidiwilliams.Buzz或 snap 命令走 PyPI 路线需要先装ffmpeg再用 Python 3.12 环境运行pip install buzz-captions python -m buzz第二步导入文件点工具栏的或按Ctrl/Cmd O选一个音频或视频文件。弹窗里选好任务transcribe转写或translate翻译成英文、语言知道就先手动选和模型点 Run。第三步查看与导出状态变成 Completed 后双击任务行打开转写视图可以边播音频边看文字。Export As下拉里选 TXT、SRT 或 VTT就能把结果存到磁盘。功能按场景拆批量转写整个文件夹偏好设置的 Folder Watch 页签可以添加一个监控目录新文件丢进去就自动按预设的模型和导出格式转写不用逐个导入。重导同一批文件时开启 Skip Already Transcribed 插件会跳过已有结果的音频避免重复计算。对播客、访谈这类按周产出的素材来说这条流水线基本不需要人盯。会议中实时转写选中麦克风、语言和任务后点 RecordBuzz 边录边出文字。实时场景建议选 Whisper.cpp 加小模型集成显卡的笔记本也能跑动录到一半可以打开演示窗口用全屏大字把字幕投给现场听众。开启实时导出后文字会随生成写入 txt 文件可以直接接 OBS 做直播字幕。转录后编辑与导出转写视图支持全文搜索、播放控制和倍速播放改错字比反复听原音快。段落编辑器能逐行调整毫秒级时间戳若转写时勾了词级时间戳Resize Transcript 插件可以把散词自动重新组合成长度合适的字幕行。导出支持 TXT、SRT、VTT装 Export DOCX 插件后还能直接得到 Word 版纪要。进阶与调优更快、更省事让 GPU 干重活Linux 上的 NVIDIA 显卡开箱即用Windows 安装包自带 CUDA 12老卡会自动退回 CPU走 PyPI 安装则需要单独装 CUDA 版的torch命令在 README 里就有。没有独显时选 Whisper.cpp它走 Vulkan核显也能加速。显存紧张就设BUZZ_REDUCE_GPU_MEMORY启用量化GPU 有毛病则设BUZZ_FORCE_CPU绕开它。命令行、环境变量与插件Buzz 自带完整 CLIbuzz add一条命令就能批量转写并直接落盘字幕文件buzz add --model-type whispercpp --model-size small --srt 音频文件.mp3更多参数见 CLI 文档。进阶偏好走环境变量比如BUZZ_WHISPERCPP_N_THREADS调线程数偏好设置文档列了全部开关。插件在 Help → Plugins 里勾选启用AI Summary、Export DOCX 等各自的用途写在 插件说明。谁在用怎么用三类典型用法覆盖了 Buzz 大部分实际用途人群典型工作流拿到什么访谈研究者批量导入 → large 转写 → 导出 SRT数据不出门视频创作者词级时间戳 → 字幕整行 → 导出 SRT字幕直接上平台会议记录实时转写 → 演示窗口 → 会后编辑当场出纪要初稿新手避坑清单是不是模型越大越好不一定。large 更准但更慢更吃内存large-v3 还偶尔脑补出词。先用 small 和 large 各跑一段对比再定。为什么自动语言检测会翻车它只看前几秒音频短文件、方言、口音重都容易判错。语言已知就先手动选别依赖检测。麦克风没反应怎么排查多数是系统隐私设置拦了。检查 Windows 的隐私设置或 macOS 的麦克风权限杀毒软件也看一眼。转得太慢先动哪里换 Whisper.cpp 或降一档模型最立竿见影显存 6GB 以上的 N 卡再考虑 Faster Whisper。断网环境能用吗可以。在联网机器上把模型下好把缓存目录如~/.cache/Buzz整体拷过去即可。写在最后Buzz 适合不想把录音交给第三方、又想要可编辑字幕的个人和小团队本地转写、离线可用、字幕格式全。建议你先装 Whisper.cpp 的 small 模型跑一段真实音频确认速度和准确率都够用再决定要不要上大模型。【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 离线语音识别完整指南：本地 Whisper 录音转文字，免费且可离线
Buzz 离线语音识别完整指南本地 Whisper 录音转文字免费且可离线【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硬盘里躺着几百小时会议录音想找一句关键发言只能拖着进度条反复试听——Buzz 就是为这种场景准备的本地语音转文字工具它基于 OpenAI Whisper 做离线语音识别音频和文字都留在你自己电脑上不联网也能转。Buzz 是什么音频不出电脑直接转成文字Buzz 是一个桌面应用把 Whisper 模型和音频处理流程打包在一起导入文件、选模型、点运行语音就在本机变成可编辑的文字还能顺手翻译成英文。和常见的云端转写服务比差别主要在三处对比项云端转写服务Buzz音频去向上传到服务器留在本机网络依赖必须联网离线可用费用按时长计费免费动手前怎么选安装方式与模型一次定好先定安装方式再定模型两个决策 30 秒就能做完场景推荐选项理由普通用户官方安装包 / Flatpak开箱即用开发者pip装 buzz-captions方便配 GPU 版 torch无独显电脑Whisper.cpp smallCPU 也能跑动有 NVIDIA 显卡Faster Whisper large速度与精度兼顾模型大小直接决定速度上限tiny 和 base 出结果快但错得多large 系列更准但吃资源其中 large-v3 最准却偶尔写出音频里不存在的词。最省事的办法是拿一段自己的真实音频把两三个尺寸都跑一遍再定。另外 Windows 安装包未签名安装弹窗选更多信息 → 仍然运行即可继续。最短路径上手从安装到第一份字幕第一步安装Windows 与 macOS 用户下载官方安装包Linux 执行flatpak install flathub io.github.chidiwilliams.Buzz或 snap 命令走 PyPI 路线需要先装ffmpeg再用 Python 3.12 环境运行pip install buzz-captions python -m buzz第二步导入文件点工具栏的或按Ctrl/Cmd O选一个音频或视频文件。弹窗里选好任务transcribe转写或translate翻译成英文、语言知道就先手动选和模型点 Run。第三步查看与导出状态变成 Completed 后双击任务行打开转写视图可以边播音频边看文字。Export As下拉里选 TXT、SRT 或 VTT就能把结果存到磁盘。功能按场景拆批量转写整个文件夹偏好设置的 Folder Watch 页签可以添加一个监控目录新文件丢进去就自动按预设的模型和导出格式转写不用逐个导入。重导同一批文件时开启 Skip Already Transcribed 插件会跳过已有结果的音频避免重复计算。对播客、访谈这类按周产出的素材来说这条流水线基本不需要人盯。会议中实时转写选中麦克风、语言和任务后点 RecordBuzz 边录边出文字。实时场景建议选 Whisper.cpp 加小模型集成显卡的笔记本也能跑动录到一半可以打开演示窗口用全屏大字把字幕投给现场听众。开启实时导出后文字会随生成写入 txt 文件可以直接接 OBS 做直播字幕。转录后编辑与导出转写视图支持全文搜索、播放控制和倍速播放改错字比反复听原音快。段落编辑器能逐行调整毫秒级时间戳若转写时勾了词级时间戳Resize Transcript 插件可以把散词自动重新组合成长度合适的字幕行。导出支持 TXT、SRT、VTT装 Export DOCX 插件后还能直接得到 Word 版纪要。进阶与调优更快、更省事让 GPU 干重活Linux 上的 NVIDIA 显卡开箱即用Windows 安装包自带 CUDA 12老卡会自动退回 CPU走 PyPI 安装则需要单独装 CUDA 版的torch命令在 README 里就有。没有独显时选 Whisper.cpp它走 Vulkan核显也能加速。显存紧张就设BUZZ_REDUCE_GPU_MEMORY启用量化GPU 有毛病则设BUZZ_FORCE_CPU绕开它。命令行、环境变量与插件Buzz 自带完整 CLIbuzz add一条命令就能批量转写并直接落盘字幕文件buzz add --model-type whispercpp --model-size small --srt 音频文件.mp3更多参数见 CLI 文档。进阶偏好走环境变量比如BUZZ_WHISPERCPP_N_THREADS调线程数偏好设置文档列了全部开关。插件在 Help → Plugins 里勾选启用AI Summary、Export DOCX 等各自的用途写在 插件说明。谁在用怎么用三类典型用法覆盖了 Buzz 大部分实际用途人群典型工作流拿到什么访谈研究者批量导入 → large 转写 → 导出 SRT数据不出门视频创作者词级时间戳 → 字幕整行 → 导出 SRT字幕直接上平台会议记录实时转写 → 演示窗口 → 会后编辑当场出纪要初稿新手避坑清单是不是模型越大越好不一定。large 更准但更慢更吃内存large-v3 还偶尔脑补出词。先用 small 和 large 各跑一段对比再定。为什么自动语言检测会翻车它只看前几秒音频短文件、方言、口音重都容易判错。语言已知就先手动选别依赖检测。麦克风没反应怎么排查多数是系统隐私设置拦了。检查 Windows 的隐私设置或 macOS 的麦克风权限杀毒软件也看一眼。转得太慢先动哪里换 Whisper.cpp 或降一档模型最立竿见影显存 6GB 以上的 N 卡再考虑 Faster Whisper。断网环境能用吗可以。在联网机器上把模型下好把缓存目录如~/.cache/Buzz整体拷过去即可。写在最后Buzz 适合不想把录音交给第三方、又想要可编辑字幕的个人和小团队本地转写、离线可用、字幕格式全。建议你先装 Whisper.cpp 的 small 模型跑一段真实音频确认速度和准确率都够用再决定要不要上大模型。【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