Buzz音频转录终极指南：从零开始实现免费离线语音转文字

【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

小陈上周收到三段共三小时的客户访谈录音，整整敲了一晚上键盘，手指发酸也只整理出一小段。其实这种活儿，一台装了Buzz的普通电脑就能在半小时内替他干完——这是一款免费、离线运行的音频转录工具，把录音变成文字，全程不把数据传上云。

Buzz是什么，以及它凭什么

一句话：Buzz 是装在你自己电脑上的"随身速记员"，给它一个音频或视频，它就能吐出带时间轴的文字稿，还能顺手翻译成别的语言。

它凭什么打动你？三个关键词就够：

• 免费：开源项目，模型本地运行，不按分钟计费。
• 离线：音频不上传，敏感内容留在自己机器里。
• 多语言：Whisper 模型支持近百种语言，中英日法德……通吃。

底层由 OpenAI 开源的 Whisper 模型驱动，你可以把它想象成一位按需雇用的同声传译，等级从"实习翻译"到"同传大师"随你挑。

最快跑通Buzz，先看效果再说

别再翻长篇文档了，先让结果跑出来，成就感比什么教程都管用。

Windows 上最快安装方法：从 SourceForge 下载安装包（macOS 是.dmg，Windows 是 exe），一路点下一步。应用未签名会弹警告，选"更多信息→仍要运行"即可。

Linux 用户两条路任选：

# 方式一：Flatpak flatpak install flathub io.github.chidiwilliams.Buzz # 方式二：Snap sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module sudo snap install buzz

Python 开发者用 pip：

pip install buzz-captions python -m buzz

装完打开软件，跟着下面三步走：

1. 点工具栏的加号，选一个本地音频或视频文件（MP3、WAV、MP4 都行）。
2. 任务类型保持"转录"，模型先选最小号的tiny——图快。
3. 点运行，盯住任务列表的进度条，转完双击那行就能看到全文。

搞定，五分钟左右你已经亲手完成了一次本地转录。命令行同样支持，后面会讲。

Buzz功能速览，一张表看懂

别急着逐个按钮研究，先看全貌：

官方文档：docs/docs/usage/ 有每个功能的操作细节。

三个实战场景组合拳

光看表不够，咱们把工具放进真实场景里试试。

场景一：开会十分钟，纪要不用愁

1. 开会前点麦克风图标，选好输入设备。
2. 延迟参数调到 20~30 秒，开始录音。
3. 会后导出 TXT，稍作删改即成纪要。

推荐配置速查：模型选base，任务选"转录"，导出 TXT。

场景二：视频博主，字幕不再靠手打

1. 导入视频文件，任务选"转录"。
2. 模型选medium（专业内容准确率更稳）。
3. 导出 SRT，直接拖进剪辑软件。

推荐配置速查：模型medium，导出 SRT + VTT，必要时开启"单词级时间戳"。

场景三：学术访谈，术语不能错

1. 转录前在"初始提示"里填入人名和专有名词。
2. 模型选large，换取最高准确率。
3. 导出 JSON，保留逐段时间信息方便引用。

推荐配置速查：模型large，开启初始提示 + 单词级时间戳，导出 JSON。

三个场景的共同点：记住"先定场景，再选模型"，比什么都管用。下面这张图是模型管理界面，下载和删除都在这里操作：

进阶玩法，把Buzz串成自动化流水线

单个功能是小工具，串起来就是流水线。比如你每周都有一批新录音要处理，完全可以"放手"：

1. 在"首选项→Folder Watch"里设置一个监控文件夹。
2. 配置好模型、导出格式（比如 SRT）和输出目录。
3. 开启"跳过已转录"插件，防止重复处理。
4. 之后把任何新文件丢进监控目录，Buzz 会自动转录并导出字幕。

想彻底脱离界面，命令行来帮忙。转录单个文件：

buzz add --task transcribe --language zh --model-type whisper --model-size medium 会议录音.mp3

一次导出多种格式：

buzz add --task transcribe --srt --vtt --txt 课程视频.mp4

配合脚本还能批量处理一个目录下的所有文件，实现"丢进去，过会儿来收结果"的自动化。参数说明看官方文档 docs/docs/cli.md。

新手最容易踩的5个坑

有坑不可怕，可怕的是没人提前告诉你。

坑1：转录慢到怀疑人生多半是模型选大了。急救办法：换tiny或base，或启用 GPU 加速（NVIDIA 用 CUDA，Whisper.cpp 后端支持 Vulkan）。

坑2：识别出来一堆"天书"八成是没指定语言，自动检测猜错了。✅ 手动选好语言。❌ 别把多语言混着录在一段里。

坑3：实时录音跟不上嘴速延迟设太短，机器处理不过来。调到 20~30 秒，语速再快也稳。

坑4：导出字幕时间轴全乱别直接用默认时长，用"Resize"功能重新分割：按间隙合并、按标点切分，一键理顺。

坑5：重复转同一批文件重导文件夹时没开"跳过已转录"插件。✅ 在插件管理里启用它。❌ 别手动删旧结果。

玩转Buzz之后，还能走多远

Buzz 背后是活跃的开源社区，文档、插件生态都在持续生长。你不只能"用"，还能"改"：

• 想给转录流程加自定义逻辑？插件系统把转录前、后都开放了钩子，内置插件（AI 摘要、降噪、导出 DOCX）就是现成模板，参考 buzz/plugins/ 目录即可。
• 想研究转录引擎？核心代码在 buzz/transcriber/，支持 Whisper、Whisper.cpp、Faster Whisper、Hugging Face 等多种后端，挑一个深度阅读。
• 想看看能做什么？测试音频在 testdata/ 目录里，随时拿来练手。

现在就花 10 分钟，用自己的一段录音跑一遍——当屏幕上浮现出带着时间轴的文字稿时，你会觉得这 10 分钟花得比打一局游戏值。

【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