语音转文字离线工具 Buzz 上手：把会议录音变成可编辑字幕，全程不花钱不上传

语音转文字离线工具 Buzz 上手：把会议录音变成可编辑字幕，全程不花钱不上传

【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

凌晨一点，我瘫在椅子上，对着一段两小时的会议录音发呆。想整理成文字纪要，手动听写显然不现实，用在线工具又要把机密内容传上别人的服务器，心里总不踏实。直到我遇到 Buzz——一款基于 OpenAI Whisper 的免费离线语音转文字工具，它在您的个人电脑上完成音频和视频的转录、翻译与字幕导出，不联网、不付费、不上传，转完就是本地文件。

一、深夜录音与一台"会听话"的电脑

痛点先摆出来。会议纪要、访谈逐字稿、网课字幕、播客脚本……这些需求背后都是同一件事：把语音变成文字。传统做法要么花钱请人，要么自己对着录音器逐句敲。两者的共同缺点是慢、贵、容易出错。

Buzz 给出的答案很直接。它把 OpenAI 开源的 Whisper 模型打包成一个桌面软件，转录全部在本地计算完成。您导入一个 MP3 或 MP4，几分钟后就能拿到带时间戳的文字稿。模型越小越快，模型越大越准，丰俭由人。

技术并不神秘。Whisper 是一套已经训练好的神经网络，Buzz 只是把它包装成顺手的产品。您可以把它理解成"自带翻译、字幕、降噪的语音工坊"，而这些能力都不需要一条外部网络请求。

二、装好它，总共分几步

Buzz 提供三种安装路径，按您的身份对号入座。

普通用户：下载安装包。Windows 和 macOS 用户从 SourceForge 获取安装程序，双击按提示走完即可。Linux 用户可走 Flatpak 或 Snap：

flatpak install flathub io.github.chidiwilliams.Buzz

Python 开发者：一行命令。

pip install buzz-captions python -m buzz

想读源码或二次开发。克隆仓库后即可在本地运行：

git clone https://gitcode.com/GitHub_Trending/buz/buzz cd buzz python -m buzz

安装完成后启动，您会看到一个带任务列表的主窗口。不要急着点任何按钮，先把下一节的流程走一遍。

三、第一次转录：从拖入文件到拿到字幕

下面是一次完整的实操，约十分钟，请跟着做。

第 1 步：导入文件。点击工具栏的加号图标，或直接把音频、视频文件拖进窗口。Buzz 支持 MP3、WAV、MP4、AVI 等常见格式，也可以批量拖入多个文件。从 1.2.0 版本起，还支持直接粘贴 YouTube 链接。

第 2 步：选择任务与语言。双击新建的任务行，弹出转录设置。任务类型选"转录"（保留原语言）或"翻译"（统一转成英文）。语言建议手动指定，比如中文选zh，比自动检测更稳。

第 3 步：挑一个模型。新手建议先选 Tiny 或 Base 跑通流程，等熟悉了再按第四节的对照表升级。这一步先保证"能出结果"。

第 4 步：点击运行。任务进入队列后开始转录，状态栏实时显示进度。长音频建议挂着等，中途可以暂停、取消或新增任务。

第 5 步：双击任务行查看结果。每个片段带开始/结束时间，底部播放器可同步回听原文，哪里有错直接改。

到这里，您的第一份带时间戳的文字稿已经躺在屏幕上了。

四、选对模型，快慢与准确之间有个平衡

Whisper 提供从 Tiny 到 Large 的多个尺寸，选择直接决定转录的时延和准确率。参数越多的模型"听"得越细，代价是更慢、更吃资源。

日常建议这样取舍：会议纪要选 Base，能听清重点且不拖沓；字幕制作选 Small 或 Medium；访谈研究这类"错一个字都难受"的场景，直接上 Large。不必一上来就追求最大，够用就好。

模型在"首选项 → Models"标签页管理：查看已下载列表、下载新版本、删除不用的模型释放磁盘空间。

硬件加速值得提一句。有 NVIDIA 显卡可在设置里启用 CUDA，Apple Silicon 的 M 系列芯片同样有原生优化，转录速度能快出几倍。纯 CPU 也能跑，只是慢一些。

五、拿到文字稿之后：导出与二次加工

转录只是开始，文字稿的"可用度"往往取决于后续处理。

导出格式按用途挑。点开导出菜单，Buzz 提供 TXT、SRT、VTT 三种格式：TXT 适合分享和归档，SRT 兼容绝大多数剪辑软件，VTT 面向网页播放器。选择对应的格式与语言即可落地文件。

字幕长短可以精细控制。遇到长句被切得七零八落时，用"调整字幕"功能把片段重新组装。参数包括目标字幕长度（默认 42 字符）、按静默间隙合并、按标点分割等，调完立即预览效果。

识别不准有补救手段。在转录设置里填写"初始提示"是最实用的技巧——把本次内容的人名、专业术语写进去，Whisper 会明显偏向这些词。比如医学访谈就写上"心室、搭桥、阿托伐他汀"。

通用设置里还能放上 OpenAI API 密钥，为翻译和 AI 摘要功能做准备。

六、进阶玩法：命令行、文件夹监控与插件

界面操作熟练后，这几件效率工具能让转录真正自动化。

命令行批量转录。不想开图形界面？add子命令支持完整参数：

# 中文转录，导出 SRT 字幕 buzz add --task transcribe --language zh --model-size medium --srt lecture.mp3 # 后台批量处理整个目录 buzz add --task transcribe --hide-gui --model-type whispercpp *.mp3

文件夹监控。在"首选项 → Folder Watch"里指定一个目录，之后扔进任何音频文件都会自动转录并导出，做完还能移动或删除源文件。适合固定收录音的场景。

插件系统把流程串起来。Buzz 内置了多个插件，都是"转录前后自动跑一段逻辑"的思路：

• AI 摘要：转录完成后调用 OpenAI 兼容接口，生成要点和行动项，存进备注或单独文件；
• DeepFilterNet 降噪：转录前先剔除背景噪音，适合嘈杂录音；
• 导出 DOCX：一键把转录结果输出为 Word 文档，无需额外依赖；
• 跳过已转录文件：重扫文件夹时自动识别已处理的文件，避免重复劳动。

插件在"帮助 → 插件"菜单里统一管理，可以开关、排序、配参数，也能通过 URL 安装社区插件。想自己写也不难，内置插件的源码就是最好的范例，代码都躺在仓库的buzz/plugins/目录下。

七、读完立刻能做的五件事

把这篇的内容落地成行动，接下来您可以：

1. 下载安装 Buzz，拖入一段十分钟以内的录音跑通首次转录；
2. 打开"首选项 → Models"，按第四节的对照表选好默认模型；
3. 给一段专业录音配上"初始提示"，观察准确率变化；
4. 导出一次 SRT，放进剪辑软件试试字幕效果；
5. 设置一个文件夹监控目录，把转录交给它自动完成。

您的下一场会议录音、下一段访谈、下一个视频素材，都不必再成为熬夜的借口。装上 Buzz，剩下的交给本地这台"会听话"的电脑吧。

【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