企业官网建设流程全解析

Buzz 离线语音转文字：装完到出 SRT 字幕，全程不出网

【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

你刚录完一集 45 分钟的播客，甲方要 SRT 字幕，deadline 是今天下午。传到在线转录服务？要注册、按时长计费，音频还得离开你的电脑。Buzz 是基于 OpenAI Whisper 的离线语音转文字桌面应用，本地转录全程在你自己的机器上完成——音频不经过任何云端，不需要 API key，断网也能跑。读完这篇，你知道它怎么装、怎么用、坑在哪，跟着走一遍就能出第一条字幕。

它到底能帮你做什么

先盘一下能力，你对号入座看自己的需求能不能被接住。

• 文件转录：导入本地音视频得到可编辑的文字稿，适合会议记录、课堂笔记、访谈转写
• 实时转录：麦克风边说边出字，适合会议、课堂等说话场景
• 转录翻译：一次“转录并翻译”任务同时出原文和译文，适合外语内容
• 改稿对齐：调整段落文字与起止时间，拆分或合并片段，适合做字幕
• 多格式导出：支持 TXT、SRT、VTT，纯文字和视频字幕两头都覆盖

Windows、macOS、Linux 都有对应的安装方式，下一节直接上。

🚀 五分钟跑通第一个本地转录任务

这一节把安装和第一次转录合成一条线性流程，照着点完就能出结果。

先按平台装：

• macOS：下载对应 CPU 架构的 .dmg，双击安装
• Windows：下载安装包运行；应用未签名，弹安全提示时选“更多信息 → 仍要运行”，别慌
• Linux：一条 Flatpak 命令：

flatpak install flathub io.github.chidiwilliams.Buzz

想走 PyPI 也行：pip install buzz-captions，装完用python -m buzz启动。

然后跑第一个任务：

1. 打开 Buzz，主界面上方是转录任务列表，下方是导入表单
2. 点左上角“+”按钮，或按 Ctrl+O，选一个本地音视频文件
3. 在表单里选音频语言和模型，模型没下载过会自动获取
4. 点“运行”，等转录进度走完
5. 点任务行，播放音频，核对转出来的文字

🎬 从文件到字幕：一条完整链路

转录只是开始，这一节按实际任务顺序走完导入、转录、改稿、导出。

导入与参数设置

Buzz 内置 FFmpeg 解析媒体文件，不用自己装环境：音频支持 MP3、WAV、FLAC，视频支持 MP4、MKV、AVI，在线音视频链接也能直接导入，Buzz 会先下载再转录。语言字段留空就是自动检测，大多数情况够用；口音重或混合语言就手动指定。任务有两个选项：“转录”只出原文，“转录并翻译”出原文加译文，译文可以单独导出。高级设置里还能填初始提示、开词级时间戳、语音提取（降噪）。

边录边转

实时录音转写给会议和课堂用：在主界面顶部的实时转录区选麦克风设备，说话时文字实时输出。偏好设置里可以配置导出路径、文件名模板和转录模式（上插、下插、追加并修正），实时转录结果还能导出为文本文件，直接喂给 OBS 这类软件做直播字幕。

改稿与导出

双击任务进入转录稿视图，每行文字对应时间轴上的一段，直接改字、调起止时间，或者把段落拆分、合并；上方播放器边听边核对。做字幕时用字幕调整功能按目标长度自动拆分长句、合并间隔过短的片段。改完通过“导出”菜单保存：TXT 适合纯文字记录，VTT 适合网页播放器，SRT 导出后可以直接拖进剪辑软件对轴。做过翻译任务时，译文能单独导出。字幕调整是插件实现的，更多扩展能力见 plugins/。

选模型：Whisper 模型先看设备，再看精度需求

模型不是越大越好，是够用就行——先看你的设备装得下多大，再考虑精度要多高。

日常用 Base 或 Small 就够了，转得不准再升到 Medium；音频里多语混说直接上 Large 系列。所有模型都能在偏好设置的“模型”页下载和删除，Whisper.cpp 模型还支持量化版本，省显存。

老用户才告诉你的四件事

这四条都是自己踩过的坑，知道能少返工一轮。

• 初始提示是专名的钥匙：模型猜不出你录音里的生僻词——术语、人名、地名。在高级设置里把这些词填进“初始提示”，它们的识别准确率会明显提升，说白了就是先喂给它再让它猜。
• 手动指定语言比自动检测稳：自动检测对单人标准发音够用，但口音重、混语言的内容，在任务里手动指定主语言，结果更稳，不用省自动检测那点事、最后整段返工。
• 批量任务走 CLI：几个文件手动点没问题，几十个文件用命令行排队更快，下一节就讲。
• 录音质量是天花板：模型救不了烂收音。安静环境、外接麦克风、音量别过小或过大，比换更大的模型省得多。

📦 让 Buzz 替你排队干活

批量出字幕不用一个个手点，两个功能能让 Buzz 自己排队。

CLI 一条命令就能指定模型、语言和输出格式：

buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt interview.mp3

这条命令把 interview.mp3 转完并直接导出 SRT 和 VTT 字幕，适合脚本化批处理。另一个是文件夹监控：在偏好设置里开启 “Folder Watch”，指定输入和输出文件夹，之后放进输入文件夹的音频自动开始转录，结果落到输出文件夹，丢文件进去就行。

最后给自己布置一个最小验证任务：挑一段 30 秒的音频，跑buzz add --task transcribe --model-type whispercpp --model-size small --srt short-audio.mp3，打开生成的 .srt 文件，确认每行都是00:00:01,000 --> 00:00:04,500这种时间格式，整条链路就算验证通过了。更多参数说明见 docs/。

【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