企业官网建设流程全解析

Buzz 离线音频转录实战：Whisper 驱动的语音转文字指南

【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

Buzz 是基于 OpenAI Whisper（开源语音识别模型）的离线音频转录工具，在个人电脑上完成语音转文字与翻译，音频文件不离开本机。本文覆盖安装、首次运行与高频工作流，目标是半小时内跑通核心功能。

项目定位与适用场景

Buzz 解决的核心问题是：把本地音视频转成文字，同时不向任何云端上传数据。与在线转录服务相比，它把全部计算放在本地硬件上；与纯命令行方案相比，它提供了完整的图形界面、任务队列和结果编辑器。

从安装到第一次成功运行

环境检查清单

• CPU 需支持 AVX2 指令集，过老的处理器无法运行。
• 通过 PyPI 安装时需要 Python 3.12 及以上版本，以及系统级 ffmpeg。
• 内存建议 8GB 以上，GPU 可选但能明显提速。
• macOS 同时支持 Intel 与 Apple Silicon 机型。

分平台安装步骤

• Windows：从官方发布渠道（SourceForge）下载安装包；程序未签名，安装时选择“更多信息 → 仍要运行”。
• macOS：下载 .dmg 文件后双击安装。
• Linux（Flatpak）：flatpak install flathub io.github.chidiwilliams.Buzz
• Linux（Snap）：

sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module sudo snap install buzz

• PyPI：pip install buzz-captions，之后用python -m buzz启动。

三步跑通第一次转录

1. 菜单 File → Import Media File（或 Ctrl+O）导入一段音频或视频。
2. 在导入表单中设置任务（Transcribe）、语言（建议显式选择而非自动检测）和模型；首次使用会先下载模型。
3. 选择导出格式 TXT/SRT/VTT，点击 Run，等待状态变为 Completed。
4. 双击任务行打开转录查看器，即可试听、搜索并导出结果。

📁 功能全景：输入 → 处理 → 输出

输入侧：格式、来源与实时录音

• 支持 ffmpeg 可解码的音视频，如 mp3、mp4、wav、m4a、flac。
• 支持粘贴 YouTube 等 URL 直接导入（1.2.0 起）。
• 麦克风实时录音，并附带演示窗口，适合演讲时投屏显示。
• 文件夹监控（Folder Watch）可让新文件落盘后自动进入任务队列。

处理侧：模型后端与硬件加速

• 四种本地后端：Whisper（原版，精确但吃内存）、Faster Whisper（NVIDIA 显卡 6GB 显存以上推荐）、Whisper.cpp（C++ 实现，任意 GPU 或纯 CPU，Mac 首选）、HuggingFace（支持 MMS 等 1000 多种语言的模型）。
• 也可在偏好中配置 OpenAI 兼容 API，把计算放到远端。
• 加速路径：CUDA（NVIDIA）、Apple Silicon、Vulkan（可走核显）。
• 可选前处理：说话人分离用于多人对话提准确率，说话人识别在结果中标注发言人。

输出侧：导出格式与命名模板

• 支持导出 TXT、SRT、VTT（两种常见字幕格式），查看器菜单还可导出 JSON。
• 导出文件名支持模板变量：input_file_name、task、language、model_type、model_size、date_time，详见 docs/docs/preferences.md。
• 开启 Word-Level Timings 后生成词级时间戳，再配合字幕重排工具整理段落。

两个高频工作流

工作流一：录音 → 纪要 → 归档

1. 选择语言与较小模型，点击 Record 开始实时转录。
2. 打开 Presentation Window，把实时文字投到大屏。
3. 结束后在转录查看器中修正专有名词。
4. 按统一命名模板导出 TXT 到归档目录。

提示：实时模式建议用 Whisper.cpp 加 base/small 模型；“Append and correct”会回改上一句、对算力要求更高，普通会议用追加模式即可。

工作流二：视频 → 字幕 → 导出 🎬

1. 导入 MP4 并勾选 Word-Level Timings。
2. 用 medium 模型转录，完成后打开结果。
3. 点击工具栏 Resize，按间隔合并、按标点分割重排字幕。
4. 导出 SRT 或 VTT。

提示：在偏好中把默认导出文件名设为{{ input_file_name }}.srt，批量任务可保持命名一致。

⚙️ 性能与质量调优

模型选择对照表

硬件适配要点

• NVIDIA 显卡：Linux 需装好 CUDA 12、cuBLAS、cuDNN 才能启用加速；Windows 安装包已自带 CUDA 支持。
• 无 NVIDIA 或 Mac：选 Whisper.cpp，走 Vulkan 或 Apple Silicon 路径。
• 线程数可用环境变量BUZZ_WHISPERCPP_N_THREADS调整，默认取核心数的一半。

常见问题速查

平台补充：

• Linux：确认已安装libportaudio2、gettext、ffmpeg，缺库时录音与导出会失败。
• Windows：安装包未签名属正常现象；GPU 加速依赖 CUDA 12，旧版驱动会自动回落到 CPU。

🧩 自动化与扩展能力

命令行批量转录

命令行与 GUI 共享同一任务系统，完整参数见 docs/docs/cli.md：

buzz add -m whispercpp -s small -l zh --srt --vtt ./meeting.mp4 buzz add --task translate -l fr -m whispercpp --txt ./interview.mp3

插件机制

插件（1.4.5 起）在 Help → Plugins 中开关、排序和配置，典型内置插件：

• AI Summary：调用 OpenAI 兼容 API 为长转录生成摘要。
• Resize Transcript：把词级结果自动重组为字幕长度分段。
• Skip Already Transcribed：已有结果时跳过，批量重导不重复计算。

自研插件可参考 buzz/plugins/ 目录中的结构与钩子写法。

与外部工具集成

• 文件夹监控：新文件落盘即自动开始转录，适合夜间批处理。
• 实时转录文本流：可边生成边写入 txt 文件，接入 OBS 等直播工具。
• OpenAI 兼容 API：Base URL 可指向 Ollama 等自托管服务，用于摘要与翻译。

🔒 数据与隐私

• 数据流向：音频、中间结果与转录文件全部保存在本机磁盘。
• 本地化程度：除首次下载模型（或可选的 API 模式）外，处理全程不依赖网络。
• 离线可用：模型缓存目录可整体复制到离线机器，Linux 下位于~/.cache/Buzz。
• 开源可审查：MIT 协议，转录与数据逻辑可逐行审查。

Buzz 把导入、模型选择、转录、字幕编辑与导出收进同一个界面，适合把“录音到文稿”沉淀成固定流程。可从 README.md 查看各平台安装入口，再按需要扩展工作流。

【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