2025 离线语音转文字终极方案Buzz 从入门到精通的完整实操指南【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你手里囤了多少录音迟迟没整理会议纪要、采访素材、网课回放每一条都是信息金矿可一条条手动听写一小时音频往往要耗掉你三小时。Buzz 就是为这个痛点而生的开源工具它基于 OpenAI Whisper能在你自己的电脑上离线完成语音转文字与翻译音频不出本机隐私和效率同时拿到手。这篇文章用一个完整的使用者故事串起全部流程带你从第一次点下运行按钮一直走到能用命令行和插件搭建自动转录流水线。一、痛点开场为什么我放弃了云转写服务把录音传到云端网站转文字你是不是也踩过这些坑免费额度用几次就见底敏感内容不敢上传网络一差排队等半天更有甚者上传完才发现它偷偷用了你的音频去训练模型。我在整理几十期播客素材时几乎被这些坑耗尽耐心直到意识到问题的本质——转写这件事根本不该依赖云端。Buzz 恰好把整条 Whisper 转录管线搬到了本地模型下载到你的硬盘音频在内存里完成识别全程零上传。它对隐私敏感人群、网络不稳定用户、以及每周都要处理大量录音的重度用户几乎是量身定做的方案。而且它不止处理文件还能实时转录麦克风声音、识别说话人、导出字幕、接入插件扩展一整套下来比大多数付费服务还全面。二、初识工具把 Buzz 想成自带同传的本地整理助手如果要用一句话说清 Buzz 是什么它是一位 7×24 小时在线的本地同传译员把你的语音内容变成可检索、可编辑、可导出的文字资产。你丢给它一段音频或视频它吐出带时间轴的文稿你打开麦克风它边听边写你要外语材料它顺手翻成英文或你指定的语言。它的独特之处在于选择自由。大多数转写工具只给你一个黑盒而 Buzz 把引擎的选择权交给你Whisper 官方实现、C 优化的 Whisper.cpp、速度翻倍的 Faster Whisper、Hugging Face 上的任意 Whisper 兼容模型包括支持上千语言的 Meta MMS、Parakeet、Qwen3-ASR甚至 OpenAI API。这意味着从四核老笔记本到 Nvidia 显卡工作站人人都能找到适合自己的档位。三、快速起步5 步完成你的首次离线转录安装 Buzz 的方式很多按你的平台挑一个即可。Windows 用户下载.exe安装包安装时若出现未签名警告选择更多信息 → 仍要运行即可这是开源免费应用的常态不代表不安全。macOS 用户下载.dmg拖入 Applications 完成安装。Linux 用户Flatpak 或 Snap 二选一# Flatpak flatpak install flathub io.github.chidiwilliams.Buzz # 或 Snap sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module sudo snap install buzz sudo snap connect buzz:password-manager-servicePython 用户直接走 PyPI需要 Python 3.12 环境且已安装 ffmpegpip install buzz-captions python -m buzz装好后按下面 5 步完成首次转录导入文件菜单栏 File → Import Media File或快捷键Ctrl/Cmd O选择一个音频或视频文件也可直接粘贴 YouTube 视频链接或任意 URL。选择任务默认Transcribe就是纯转写若想要英文输出选Translate to English。选择语言能确定就手动指定语言如 zh不确定就留Detect Language自动检测。选择模型首次使用选 Whisper.cpp 组的 tiny 或 base 模型体积小、跑得快先跑通流程再说。点击 Run 并等待任务状态变为 Completed 后双击该行即可在转录查看器中打开结果。成功判断标准任务状态由 In Progress 变为 Completed双击后能看到带时间戳的逐段文稿且可点击播放按钮试听音频与文字是否对应。到这一步你的第一条离线转录已经完成。四、核心玩法拆解3 个典型场景的推荐配置工具只有放进真实场景才有意义。下面三个场景几乎覆盖了 90% 的日常需求。场景一课程与采访的长音频文件转录——先选对模型这是最常用的场景核心矛盾是速度与精度的取舍。用下面的决策树直接对号入座不同体积模型的实际表现差异很大可以记下这张表模型相对速度相对精度显存需求适合场景tiny最快一般约 1GB实时字幕、低配设备快速粗转base快较好约 1GB日常口语、会议纪要small中良好约 2GB清晰录音的常规转录medium较慢好约 5GB采访、课堂、专业录音large慢最好约 10GB学术研究、精度优先⚠️ 注意带.en后缀的模型只支持英文转中文时别选错。Whisper.cpp 支持 Vulkan GPU 加速集成显卡笔记本也能受益Faster Whisper 则适合有 6GB 以上显存 Nvidia 显卡的用户。场景二会议与演示的实时转录——打开演示窗口如果你需要边开会边出文字Buzz 的实时录音转录能直接接上麦克风。建议用小模型tiny/base Whisper.cpp 后端保证低延迟并手动指定语言——自动检测会消耗更多算力。三个直播转录模式按需选择Append below / Append above新句子追加到底部或顶部轻量稳定适合普通会议Append and correct在追加的同时回头修正前文准确率更高但更吃性能注意观察队列长度积压过多就调大Transcription step。录起来之后点开Presentation Window主屏幕给观众看、你这边继续操作非常适合演讲和课堂场景。开启Live transcript exports后实时文稿会同步写入文本文件可直接对接 OBS 做直播字幕。场景三外语素材的转录与翻译——一条命令打通Buzz 默认的 Translate 任务把任何语言翻成英文这是 Whisper 的原生能力。如果你想翻成中文或其他任意语言就需要借助 AI 翻译在偏好设置里填入 OpenAI 兼容 API 的 Key 与 Base URL本地可用 Ollama 或 LM Studio 起一个兼容服务然后在翻译指令里写明目标语言与规则。You are a professional translator, skilled in translating English to Chinese. You will only translate each sentence sent to you into Chinese and not add any notes or comments.把这段指令填进Instructions for AI后在转录查看器工具栏点 Translate 即可把已识别文稿批量翻译。实测一小时音频用 API 翻译的成本约 1 美元比自己逐句整理划算得多。五、进阶技巧让效率翻倍的 6 个隐藏能力基础流程跑通后下面这些技巧能让你从能用跨到好用。1. 说话人识别自动分清谁在说话转录完成后在查看器点Identify speakersBuzz 会分析音频给每句话打上说话人标签。你可以随机试听某人的 10 秒片段来确认身份再把自动标签改名成真实姓名勾选Merge speaker sentences还能把同一人的连续句子合并为一段。注意Intel 芯片的 macOS 不支持此功能。2. 初始提示词专治人名和术语拼错导入文件时点Advanced在 Initial prompt 里写下本期出现的人名、地名、专业术语。Whisper 会优先按这些词匹配能显著减少错别字。做技术类播客时我会把嘉宾姓名、公司名、产品名全填进去错词率肉眼可见地下降。3. 词级时间戳 字幕重排一键生成专业字幕导入时开启Word-Level Timings转录会记录每个词的精确时间。之后在查看器点Resize就能按单条字幕最大字数是否按标点断句是否按静音切分自动重组成适合视频的字幕。若源音频还在重组时还会分析静音段让断句位置更自然。4. 命令行转录把流程交给脚本不想开图形界面Buzz 提供完整 CLI。批量翻译两个法语 MP3buzz add --task translate --language fr --model-type openaiapi /path/to/first.mp3 /path/to/second.mp3用 Whisper.cpp 转录 MP4 并直接导出 SRT 与 VTT 字幕buzz add --task transcribe --model-type whispercpp --model-size small \ --prompt My initial prompt --srt --vtt /path/to/video.mp4加上--hide-gui参数可完全后台运行适合写进 cron 定时任务。完整参数说明见项目内文档 docs/docs/cli.md。5. 文件夹监听新文件进来自动转录在偏好设置或工具栏中开启 Watch folder指定一个文件夹后丢进去的任何新音频都会被自动排队转录。配合Skip Already Transcribed插件批量重导一个已转过的文件夹也不会重复烧算力——该插件会先检查同目录是否已有.txt/.srt/.vtt结果文件或数据库中的完成记录。6. 插件扩展把转录结果直接变成成品插件系统1.4.5 起让 Buzz 管线可插拔。内置的实用插件值得逐个试一遍AI Summary用 OpenAI 兼容 API 自动生成转录摘要存入笔记字段或单独存成 txtExport to DOCX一键把转录导出为 Word 文档可选带时间戳DeepFilterNet Noise Reduction转录前先用深度学习模型降噪嘈杂录音救星Enhanced Language Detection用本地小模型预先判断语言替代不稳定的自动检测。插件管理入口在 Help → Plugins也可以从源码 buzz/plugins/ 学习结构后自己写一个。若想深度参与克隆仓库地址为https://gitcode.com/GitHub_Trending/buz/buzz。六、避坑指南新手最常踩的 5 个坑按现象 → 原因 → 判断依据 → 解决办法把常见问题一次讲清。坑 1转录慢得离谱现象一分钟音频转了好几分钟。原因模型选得过大或线程数没调好。判断依据任务管理器里 CPU 长期低于 50%说明并行没吃满。解决办法换成 Whisper.cpp 小模型设置环境变量BUZZ_WHISPERCPP_N_THREADS8官方测试 16 线程笔记本上设 8 能提速约 15%但线程数并非越大越好过多反而因合并结果变慢。坑 2录音时报Unanticipated host error[PaErrorCode-9999]现象一点录音按钮就报错。原因系统阻止了 Buzz 访问麦克风。判断依据其他软件录音正常只有 Buzz 报 9999。解决办法Windows 在 设置 → 隐私 → 麦克风 中允许 Buzz 使用麦克风macOS 在系统设置中授权之后重启 Buzz。坑 3Buzz 启动即崩溃现象打开就闪退。原因模型下载不完整或文件损坏。判断依据崩溃通常发生在模型加载阶段。解决办法在 Help → Preferences → Models 里删除对应模型重新下载仍崩溃就点 Help → About Buzz → Show logs 查看日志定位问题。另外请注意Buzz 需要 CPU 支持 AVX2 指令集太老的电脑跑不起来。坑 4中文识别一堆错别字现象标点乱飞、同音字错得离谱。原因用了.en模型或没指定语言让自动检测猜错了。判断依据转录文本是英文模型输出风格。解决办法选不带.en的模型并在导入时手动把语言指定为 zh同时用 Initial prompt 填专有名词。坑 5想完全离线用但没网络下载模型现象断网环境下无法转录。原因模型还没下到本地。解决办法在联网电脑上把模型下载好然后整目录拷贝过去。模型默认位置Linux 在~/.cache/BuzzmacOS 在~/Library/Caches/BuzzWindows 在%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache。项目还提供了 scripts/download-models.py 帮你批量预下载模型缓存。七、实战复盘从零到交付一集带字幕的播客把前面所有技巧串成一次完整交付。假设我要处理一集 45 分钟的中文播客嘉宾是外企 CTO最终交付物是带说话人标签的文稿 双语字幕 摘要。安装与准备Snap 安装 Buzz进 Preferences → Models 下载 Whisper.cpp 的 small 模型约 460MB同时把BUZZ_FAVORITE_LANGUAGESzh,en写入启动脚本让语言列表里中英文排在最前。导入与参数CtrlO导入 MP3任务选 Transcribe语言手动指定 zh在 Advanced 里开启 Word-Level Timings并填好初始提示词嘉宾姓名、公司名、本集涉及的三个产品名词。转录选 Whisper.cpp small点击 Run。45 分钟音频在四核笔记本上大约 20 分钟出稿。说话人识别双击打开结果点 Identify speakers试听片段后把Speaker 1改为主播、Speaker 2改为嘉宾姓名勾选合并连续句段。字幕重排点 Resize设定单条字幕最长 20 字、按标点断句Buzz 依据静音自动优化断点导出 SRT 用于视频剪辑同时导出带时间戳的 VTT。摘要生成启用 AI Summary 插件填好 OpenAI 兼容 API自动生成这集播客的要点摘要存入 Notes 字段。交付文稿 TXT 发给文字编辑SRT/VTT 进剪辑软件摘要直接作为节目简介发布。整条流水线里真正需要你手工介入的只有第 4 步的说话人命名。如果这集播客每周固定一期把第 1、6 步的配置写进同一个启动脚本再把导入目录设为监听文件夹之后的每一期都只需丢文件 → 等结果。八、收尾升华让语音资产真正属于你自己回头看Buzz 解决的远不止录音转文字这一件事它把整条语音 → 文字 → 结构化内容的链路交还到了你手里离线运行守住隐私底线多后端模型适配任何硬件命令行与插件系统让流程可以被自动化说话人识别和字幕重排则把能看的文稿升级成能直接交付的成品。项目本身仍在快速演进——从 1.4.5 引入插件体系到 1.5.0 支持 Parakeet、Qwen3-ASR 等更多模型家族翻译能力也从单一英语扩展到任意语言路线图上还有更多本地 AI 能力的想象空间。如果你想继续深入安装细节看 docs/docs/installation.md偏好与全部环境变量看 docs/docs/preferences.md插件源码在 buzz/plugins/遇到问题可先翻 FAQ 文档 docs/docs/faq.md。从今天第一段录音开始把整理语音的时间还给真正重要的事吧。【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
