尧图网页设计 
Buzz 语音转录工具完整指南本地离线转录与字幕上手教程【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 是一款开源的语音转录工具基于 OpenAI Whisper把转录和翻译全部放在你自己的电脑上离线完成。如果你需要把一周的会议录音整理成文字或者给视频补上字幕它是一台本地就能跑完整个流程的工具。它解决了什么问题先说结论云端转录方案的痛点集中在四点而 Buzz 把本地离线做成了默认选项。成本云端服务按分钟或按字符计费长音频、批量文件跑下来开销明显。隐私商业会议、私人访谈这类内容不想离开本机上传云端等于交出控制权。网络依赖外场录音、离线剪辑环境里上传链路根本走不通。功能割裂转录、时间轴字幕、翻译、说话人识别往往分散在几个工具里得手工拼接。Buzz 的定位一句话把这些能力收进一个离线应用里模型、引擎、导出格式由你自己决定。 核心能力总览能力可以归纳为三个维度本地运行、多引擎、可扩展每个维度都有仓库里可查证的事实。本地运行模型下载一次后转录不再依赖网络模型默认存放在~/.cache/BuzzMac 为~/Library/Caches/Buzz偏好设置里可直接打开目录。它支持麦克风实时录音转录并提供独立的演示窗口开会时可以在副屏实时显示文字。多引擎多硬件内置 Whisper、Faster Whisper、Whisper.cpp、Hugging Face、OpenAI API 五种后端。硬件侧Nvidia GPU 走 CUDA 加速配置逻辑见 buzz/cuda_setup.pyMac 原生支持 Apple SiliconWhisper.cpp 还能通过 Vulkan 在集显上跑。可扩展转录结果可导出 TXT/SRT/VTT支持监控文件夹自动转录新文件提供 CLI 供脚本化批处理。1.4.5 版本引入插件系统内置 AI 摘要、DOCX 导出、降噪、自动字幕分块、跳过已转录文件等插件源码在 buzz/plugins/。转录完成后可做说话人识别把每句话标上发言人并改名。快速上手先装包再配三项安装路径取决于你的角色普通用户装安装包开发者用 pip 装。普通用户macOS 下载.dmg安装包Windows 用安装程序程序未签名首次运行需选择仍要运行Linux 用flatpak install flathub io.github.chidiwilliams.Buzz或sudo snap install buzz一键安装。开发者准备 Python 3.12 环境并先装好 ffmpeg然后执行下面两条命令完成安装并启动pip install buzz-captions python -m buzz首次启动建议配置的 3 项设置偏好设置 → Models先下载 tiny 或 base 模型试跑确认硬件没问题后再下大模型Whisper.cpp 可选量化版本如 q5省显存。偏好设置 → General设好Default export file name模板支持{{ input_file_name }}、{{ task }}、{{ date_time }}等变量和导出文件夹避免以后文件散落各处。选对引擎Nvidia 显卡且显存 6GB 以上选 Faster Whisper没有 Nvidia 卡就选 Whisper.cpp——官方 FAQ 认为这是 Mac 和无独显机器的最佳选择核显笔记本也能跑实时转录。典型工作流实战 三个常见角色每个 4 步以内走完输入→处理→产出闭环。职场人会议录音转文字把会议录音拖进主界面或粘贴 YouTube 链接自动进入任务队列选 transcribe 任务与模型大小排队自动处理完成后双击转录结果打开查看器校对导出 TXT归档到资料目录创作者视频加字幕导入 MP4 视频文件转录时勾选 word timestamps得到词级时间戳用 Resize 功能把词合并成字幕块在查看器里微调起止时间一键导出 SRT/VTT直接进剪辑软件研究者访谈录音区分说话人导入访谈录音环境嘈杂时先勾选语音分离再转录打开转录结果点 Identify speakers试听每位说话人的片段把自动标签改成真实姓名勾选合并同一说话人的句子后保存得到结构化对话文本⚙️ 进阶调优与常见问题调优的思路很简单改一个变量或一处配置换一个可验证的结果。换模型存放位置设置环境变量BUZZ_MODEL_ROOT即可准备离线机器的话用 scripts/download-models.py 提前把模型缓存备齐。调 Whisper.cpp 线程数BUZZ_WHISPERCPP_N_THREADS控制线程默认 CPU 核心数一半官方文档给出 16 线程机器设为 8 可提速约 15% 的实测。省显存BUZZ_REDUCE_GPU_MEMORYtrue让 Hugging Face / Faster Whisper / Whisper.cpp 用 8bit 量化模型。CLI 批处理buzz/cli.py 提供buzz add命令下面这条命令用 Whisper.cpp small 模型转录视频并直接产出 SRT 和 VTTbuzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt meeting.mp4完整环境变量清单见 docs/docs/preferences.md。常见疑问Q长音频或旧机器跑得动吗官方 FAQ 的建议是换更小的模型档位或切到 Whisper.cpp 引擎Nvidia 显卡显存 6GB 以上可改用 Faster Whisper。Q准确率怎么提高升模型档位large-v3 准确率最高但偶有幻觉turbo 在速度和准确率之间取平衡在转录表单填 initial prompt 提示专业术语嘈杂录音先做语音分离。Q能完全断网使用吗可以。在联网机器下载模型把整个models文件夹拷到离线机的相同位置Linux 为~/.cache/Buzz/models之后转录不再需要网络。Q和云端转录服务比什么时候本地更划算文件敏感、环境离线、或长音频量大时本地更可控如果机器太弱也可以在偏好设置里配置兼容 API 把识别放到远端工作流不变。收尾四句话总结完全本地离线、多引擎多硬件加速、插件与 CLI 可扩展、开源免费。想试的话用git clone https://gitcode.com/GitHub_Trending/buz/buzz拿到项目按上文任一安装路径跑起来用一个真实录音走一遍流程适不适合你自己就有答案了。【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 语音转录工具完整指南：本地离线转录与字幕上手教程
Buzz 语音转录工具完整指南本地离线转录与字幕上手教程【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 是一款开源的语音转录工具基于 OpenAI Whisper把转录和翻译全部放在你自己的电脑上离线完成。如果你需要把一周的会议录音整理成文字或者给视频补上字幕它是一台本地就能跑完整个流程的工具。它解决了什么问题先说结论云端转录方案的痛点集中在四点而 Buzz 把本地离线做成了默认选项。成本云端服务按分钟或按字符计费长音频、批量文件跑下来开销明显。隐私商业会议、私人访谈这类内容不想离开本机上传云端等于交出控制权。网络依赖外场录音、离线剪辑环境里上传链路根本走不通。功能割裂转录、时间轴字幕、翻译、说话人识别往往分散在几个工具里得手工拼接。Buzz 的定位一句话把这些能力收进一个离线应用里模型、引擎、导出格式由你自己决定。 核心能力总览能力可以归纳为三个维度本地运行、多引擎、可扩展每个维度都有仓库里可查证的事实。本地运行模型下载一次后转录不再依赖网络模型默认存放在~/.cache/BuzzMac 为~/Library/Caches/Buzz偏好设置里可直接打开目录。它支持麦克风实时录音转录并提供独立的演示窗口开会时可以在副屏实时显示文字。多引擎多硬件内置 Whisper、Faster Whisper、Whisper.cpp、Hugging Face、OpenAI API 五种后端。硬件侧Nvidia GPU 走 CUDA 加速配置逻辑见 buzz/cuda_setup.pyMac 原生支持 Apple SiliconWhisper.cpp 还能通过 Vulkan 在集显上跑。可扩展转录结果可导出 TXT/SRT/VTT支持监控文件夹自动转录新文件提供 CLI 供脚本化批处理。1.4.5 版本引入插件系统内置 AI 摘要、DOCX 导出、降噪、自动字幕分块、跳过已转录文件等插件源码在 buzz/plugins/。转录完成后可做说话人识别把每句话标上发言人并改名。快速上手先装包再配三项安装路径取决于你的角色普通用户装安装包开发者用 pip 装。普通用户macOS 下载.dmg安装包Windows 用安装程序程序未签名首次运行需选择仍要运行Linux 用flatpak install flathub io.github.chidiwilliams.Buzz或sudo snap install buzz一键安装。开发者准备 Python 3.12 环境并先装好 ffmpeg然后执行下面两条命令完成安装并启动pip install buzz-captions python -m buzz首次启动建议配置的 3 项设置偏好设置 → Models先下载 tiny 或 base 模型试跑确认硬件没问题后再下大模型Whisper.cpp 可选量化版本如 q5省显存。偏好设置 → General设好Default export file name模板支持{{ input_file_name }}、{{ task }}、{{ date_time }}等变量和导出文件夹避免以后文件散落各处。选对引擎Nvidia 显卡且显存 6GB 以上选 Faster Whisper没有 Nvidia 卡就选 Whisper.cpp——官方 FAQ 认为这是 Mac 和无独显机器的最佳选择核显笔记本也能跑实时转录。典型工作流实战 三个常见角色每个 4 步以内走完输入→处理→产出闭环。职场人会议录音转文字把会议录音拖进主界面或粘贴 YouTube 链接自动进入任务队列选 transcribe 任务与模型大小排队自动处理完成后双击转录结果打开查看器校对导出 TXT归档到资料目录创作者视频加字幕导入 MP4 视频文件转录时勾选 word timestamps得到词级时间戳用 Resize 功能把词合并成字幕块在查看器里微调起止时间一键导出 SRT/VTT直接进剪辑软件研究者访谈录音区分说话人导入访谈录音环境嘈杂时先勾选语音分离再转录打开转录结果点 Identify speakers试听每位说话人的片段把自动标签改成真实姓名勾选合并同一说话人的句子后保存得到结构化对话文本⚙️ 进阶调优与常见问题调优的思路很简单改一个变量或一处配置换一个可验证的结果。换模型存放位置设置环境变量BUZZ_MODEL_ROOT即可准备离线机器的话用 scripts/download-models.py 提前把模型缓存备齐。调 Whisper.cpp 线程数BUZZ_WHISPERCPP_N_THREADS控制线程默认 CPU 核心数一半官方文档给出 16 线程机器设为 8 可提速约 15% 的实测。省显存BUZZ_REDUCE_GPU_MEMORYtrue让 Hugging Face / Faster Whisper / Whisper.cpp 用 8bit 量化模型。CLI 批处理buzz/cli.py 提供buzz add命令下面这条命令用 Whisper.cpp small 模型转录视频并直接产出 SRT 和 VTTbuzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt meeting.mp4完整环境变量清单见 docs/docs/preferences.md。常见疑问Q长音频或旧机器跑得动吗官方 FAQ 的建议是换更小的模型档位或切到 Whisper.cpp 引擎Nvidia 显卡显存 6GB 以上可改用 Faster Whisper。Q准确率怎么提高升模型档位large-v3 准确率最高但偶有幻觉turbo 在速度和准确率之间取平衡在转录表单填 initial prompt 提示专业术语嘈杂录音先做语音分离。Q能完全断网使用吗可以。在联网机器下载模型把整个models文件夹拷到离线机的相同位置Linux 为~/.cache/Buzz/models之后转录不再需要网络。Q和云端转录服务比什么时候本地更划算文件敏感、环境离线、或长音频量大时本地更可控如果机器太弱也可以在偏好设置里配置兼容 API 把识别放到远端工作流不变。收尾四句话总结完全本地离线、多引擎多硬件加速、插件与 CLI 可扩展、开源免费。想试的话用git clone https://gitcode.com/GitHub_Trending/buz/buzz拿到项目按上文任一安装路径跑起来用一个真实录音走一遍流程适不适合你自己就有答案了。【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