Buzz 本地语音转文字：两小时录音十分钟出 SRT 字幕
【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
把一段两小时的面试录音丢进 Buzz，几分钟后就得到一份带时间戳的 SRT 字幕文件，想附带中文翻译也能顺手生成。Buzz 是基于 OpenAI Whisper 的语音转文字工具，音频处理与模型推理全部在你自己的电脑上完成，断网也能用，文件不出机器。
一句话讲清 Buzz 是什么
Buzz 是在 Whisper 之上包了一层图形界面的离线语音转文字工具：可以导入音频、视频文件做转录或翻译，也可以直接对着麦克风实时录音转文字，Windows、macOS、Linux 三个平台都能跑。后面还有播放校对、片段编辑、多格式导出这些下游能力，核心转录逻辑集中在 buzz/transcriber/ 目录。下面按你实际会走的路径讲，从装到出片。
三分钟装好它
Windows
没有现成的包管理器命令，直接去项目发布页下载安装文件，运行 .exe 即可。注意应用没有做代码签名，安装时会弹出警告窗口，点"更多信息" → "仍要运行"就行。
macOS
下载 .dmg 打开，把 Buzz 拖进 Applications 就完事了。macOS 版支持 Apple Silicon 硬件加速，在 M 系列芯片的机器上推理速度比 Intel 版快一截。
Linux
官方提供 Flatpak 和 Snap 两种渠道，任选其一：
flatpak install flathub io.github.chidiwilliams.Buzz或者：
sudo snap install buzzSnap 方式在部分发行版上需要先装 portaudio 等依赖。如果你习惯从源码装，也可以走 PyPI：
pip install buzz-captions装完用python -m buzz启动，前提是 Python 3.12 环境和 ffmpeg。
实时录音转文字：先录一条看效果
文件转录之前，建议先玩录音这条线，因为它最直观，几秒就能见效：
- 主界面切到"录音转录"标签页
- 选好麦克风设备、目标语言和模型
- 点红色圆钮开始录音，说一句试试
- 文字会实时出现在窗口里，说完点停止按钮，转录结果自动保存
如果你是在讲座、会议这种场合用，还可以开一个独立的演示窗口，把实时字幕投到更大的屏幕上（对应 buzz/widgets/ 里的 presentation 组件）。
实时转录对机器比较吃紧，建议选 Whisper.cpp 后端，模型用 base 或 small 起步，流畅度会好很多。
把一段音频变成字幕文件
这是最常用的文件转录流程，四步走完：
- 导入：菜单"文件" → "导入媒体文件"（Ctrl+O），或直接点工具栏的"+"，mp3、wav、mp4 这些常见格式都认
- 选参数：弹窗里定任务类型（转录还是翻译）、语言和模型
- 跑起来：点"运行"，任务列表里能盯实时进度
- 看结果：状态变成已完成后，双击任务行打开转录查看器
查看器里有个模式切换按钮，三档对应三种看法：
- 时间戳模式：表格列出每个片段的开始/结束时间和文本，做字幕就靠它
- 文本模式：所有文本合并成一篇，不带时间标记，适合通读
- 翻译模式：显示翻译结果（前提是先跑过翻译任务）
快捷键 Ctrl+T、Ctrl+E、Ctrl+L 可以跳过鼠标直接切模式。双击表格里的文本单元格就能改内容，修改自动落库；片段的起止时间也能微调——选中文本后用"调整大小"功能拖动边界，或者用 Ctrl+←/→（改开始时间）、Ctrl+Shift+←/→（改结束时间），每次步进 0.5 秒。
不想开界面的话，命令行也能干同样的事，一行命令批量转并输出 SRT：
buzz add meeting.mp3 --language zh --model-size small --srt位置参数可以传多个文件，--vtt、--txt也能叠加，加--hide-gui就纯后台跑。
导出与二次编辑
转录完成后的导出菜单在查看器工具栏里，点"导出"就能看到各格式选项，原文和译文都能单独导出：
- TXT：纯文本，段落按音频间隔自动切分
- SRT / VTT：字幕文件，视频编辑软件直接拖进去就能用
- DOCX：Word 文档，由 plugins/export_docx/ 插件自动生成，可选带不带时间戳
校对环节有个"播放三件套"很实用：勾选"循环片段"可以反复听某一段；"跟随音频"打开后，文本会自己滚到当前播放位置；变速从 0.5x 拉到 2x，用旁边的"+"、"−"按钮微调，听漏的地方放慢重听。
键盘党可以再看一眼"偏好设置" → "快捷键"标签页，所有快捷键（播放/暂停是 Ctrl+P、跳转当前文本是 Ctrl+G、重播当前片段是 Ctrl+Shift+P）都能改成自己的习惯组合。
让转录更快更准
Whisper 本地部署的核心变量是模型大小， Buzz 里常见三档定位：
- tiny / base：最轻量，实时录音和低配电脑首选
- small / medium：速度和准确率的平衡点，大多数人停在这里
- large 系列（large-v3、large-v3-turbo）：准确率最高，专业级转录再上
模型在"偏好设置" → "模型"标签页里统一管理，选哪个、下哪个、删哪个都在那。
跑得慢的时候按这三条排查：
- 换更小的模型
- 关掉抢资源的应用
- 先提取语音再转录（高级设置里开）
另外，Buzz 对 Nvidia 显卡有 CUDA 加速，Whisper.cpp 后端还能走 Vulkan，核显机器也能吃到加速，装好后在模型偏好里选对应后端即可。
想录的是电脑里正在放的声音（播客、线上会议）而不是麦克风？走虚拟音频设备：Windows 装 VB-CABLE 后把它选为录音源，macOS 用 BlackHole，Linux 则在 pavucontrol 里把应用声音重定向过来，三平台思路一样。
卡住了怎么办
先翻 docs/docs/faq.md，装不上、找不到模型、性能不达标这类高频问题基本都答了。没解决就去项目 Issues 提个 bug，或者进 Discord 社区直接问，也可以发邮件找作者。代码层面想动手的话，PR 随时欢迎，流程写在 CONTRIBUTING.md 里。
去发布页把最新版 Buzz 拉下来，今晚正在听的播客，明早醒来就能收到一份带时间戳的字幕文件。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
