Buzz：把 Whisper 搬回本地，离线把音频转成文字

Buzz把 Whisper 搬回本地离线把音频转成文字【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你刚开完一场两小时的会录音躺在手机里。想找在线服务转文字可文件一传上去就得等还总惦记那句核心结论会不会被服务器留下。你想做的其实只有一件事让这些声音变成自己能改、能搜的文字。Buzz 就是干这个的。它基于 OpenAI 的 Whisper 模型在你自己的电脑上离线完成音频转录和翻译——不上传、不联网、不收订阅费适合需要频繁处理录音、又在意隐私的普通用户。它和你用过的那种转录工具不一样在哪市面上多数方案分两派一类是网页在线服务方便但文件要上云一类是开源模型但往往只给你一条命令行、一堆参数。Buzz 站在中间——它有图形界面却把识别引擎整个跑在本地。你点鼠标而不是敲命令你的音频从头到尾没离开过硬盘。用上它你能拿到什么文字是你的转录稿存在本地改几个词、调几行都不动云端的弦不挑场合没网、地铁、飞机上照样跑没有次数和时长配额字幕直接出导出的就是 TXT、SRT、VTT拖进剪辑软件就能用一次装好免费开源不绑定任何账号或订阅按你想做的事它都能接住把一段录音变文字。从菜单选「导入媒体文件」或点工具栏的「」快捷键 Ctrl/CmdO挑一个音频或视频文件选语言、选模型点 Run。状态变成「Completed」后双击那行就打开文稿。文件、视频、YouTube 链接都支持。边开会边记。开麦克风实时转录讲话的同时文字就往上滚。它还带一个独立的演示窗口投屏讲课时把字幕亮出来很方便。把长句拆成能上屏的字幕。转录时勾上「词级时间戳」之后点「Resize」按字幕最大长度、是否按标点断句来重新切分长句子自动拆短导出就是 SRT。分清是谁在说话。支持说话人识别把「甲说/乙说」标出来嘈杂音频还能在转录前先做语音分离准确度更好。一次喂一堆文件。设一个监听文件夹新文件丢进去就自动转录适合每天要处理批量素材的人。给文稿加一份摘要。内置的 AI 摘要插件转录完把文稿发给一个 OpenAI 兼容的接口自动生成要点存到备注里或单独存成文件这一步才需要联网可选。本地跑 Whisper它凭什么Buzz 把「选模型」这件事做到了你能看懂的程度你更在意建议模型大小量级快、机器一般tiny / base约 73–139 MB均衡small约 462 MB质量优先medium / large-v3约 1.5–2.9 GB多套后端可选原生 Whisper、Whisper.cpp、Faster Whisper 等同一份音频换引擎对比硬件加速NVIDIA 卡走 CUDA苹果 M 系芯片原生跑Whisper.cpp 还能用 Vulkan 让大多数显卡含核显加速语言覆盖面广内置上百种语言留空则自动检测支持「翻译成英语」的翻译任务插件可扩展除 AI 摘要还有自动字幕分割、跳过已转录文件等插件见 buzz/plugins/谁适合怎么用视频创作者导入视频 → 选带词级时间戳转录 → Resize 拆字幕 → 导出 SRT 进剪辑软件访谈/研究者批量文件走监听文件夹 → 说话人识别区分受访对象 → 搜索定位、导出分析课程/讲座整理挑合适模型转录 → 查看器里边听边改错字 → 需要时让 AI 摘要插件出一份课堂要点三步跑起来安装Windows 和 macOS 从官方发行版下载对应安装包Linux 用 Flatpak 或 Snap。想从源码装开发者可走 PyPI需先装好 ffmpeg并用 Python 3.12pip install buzz-captions python -m buzz挑个模型第一次转录时在弹窗里选模型默认 tiny 够用它会自动下载到本地之后离线复用。导入并运行点「」选文件选语言与导出格式点 Run完成后双击行打开文稿、按需编辑与导出。说实话它的边界Buzz 不是没有代价。大模型下载就要几个 GB老机器上 large 跑起来并不轻松转录速度最终取决于你的硬件别期待和云端集群一样快。实时麦克风转录受环境噪声影响嘈杂场合建议先开语音分离。另外Windows 安装包未签名装的时候系统会弹警告按提示「仍然运行」即可——这是自打包应用的常态但第一次见到要心里有数。音频留在自己手里才算真正属于你。如果你受够了「上传—等待—下载」这一套装个 Buzz挑个 tiny 模型导入第一段录音三分钟就能看到它把声音变成你能改的文字。【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