Buzz 本地音频转录近百种语言全部离线转写数据一步不出你的电脑【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客户访谈录音、讲座视频、会议音频——这些你不想上传到任何云端的文件现在可以用 Buzz 本地音频转录在电脑上直接转成文字它基于 OpenAI Whisper 模型运行全程离线录音和文字稿都留在本机。Buzz 是什么能干什么Buzz 是一个本地音频转录与翻译工具音频输入文字输出中间没有任何一步经过网络。它把 Whisper 模型直接跑在你的 CPU 或 GPU 上支持 Windows、macOS、Linux 三大平台输入可以是常见音视频文件MP3、WAV、M4A、FLAC、MP4 等任务可以是原语言转写也可以翻译成英文结果能导出为 TXT、SRT、VTT 字幕格式。3 分钟装好 Buzz最短路径是按平台选包管理器一条命令装完源码安装作为备选。LinuxFlatpakflatpak install flathub io.github.chidiwilliams.BuzzLinuxSnapsudo snap install buzzmacOS下载.dmg镜像双击安装Windows下载.exe安装程序程序未签名安装时提示安全警告选更多信息 → 仍要运行即可源码安装Python 3.12先装好 ffmpeg然后pip install buzz-captions python -m buzz装完第一次运行选择模型时它会联网下载模型文件之后就可以断网使用了。如果你有一台完全不能联网的机器可以提前在有网电脑下好模型再拷过去模型默认缓存在 Linux 的~/.cache/Buzz、macOS 的~/Library/Caches/Buzz、Windows 的%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache在偏好设置模型页点显示文件位置能找到目录。仓库里还附了一个 scripts/download-models.py 脚本方便直接准备离线模型包。离线跑到底香在哪最大好处只有一个文件从头到尾不离开你的设备。医疗访谈、客户通话、公司会议这类敏感内容本地转录意味着不存在上传环节也就没有数据出域、被留存、被用于训练的风险。还有几个实际收益不受 API 约束没有按量计费、没有速率限制、不会排队唯一的瓶颈是你的硬件没有网络也照转模型下载好之后断网也能用出差、内网环境不受影响但也要说清楚不适合谁老 CPU、没有 GPU 的机器上large 档位转录一小时音频可能要等很久如果你的需求是上千种小众语言或云端大模型级别的翻译精度Buzz 的本地方案覆盖不了。它最适合的就是数据必须留在本机或网络环境不友好的场景。按场景上手手头的音视频文件批量转文字流程就是导入 → 选模型 → 开始。主界面点加号选一个或多个音视频文件也可以直接粘贴 YouTube 链接在任务行上为每个文件设置模型Whisper、Whisper.cpp、Faster Whisper 等和任务transcribe 转写 / translate 翻译成英文点开始所有文件进入队列依次处理完成后点任意一行打开的就是带时间戳的文字稿查看器里可以播放音频对照、搜索文字、调整播放速度也可以直接改写某一段、拖拽调整分段长度再导出为 TXT/SRT/VTT。开会时边说边出字幕主界面左侧点麦克风选录音设备点录制按钮Buzz 边录边出文字用暂停键跳过寒暄、闲聊等不需要的部分停止后音频和文字稿自动保存字幕可以直接导出Buzz 还带一个演示窗口模式适合演讲、发布会这类需要大屏显示字幕的场合。一次性处理一整批文件不想手动点开始的话用文件夹监控打开偏好设置帮助 → 偏好设置的 Folder Watch 选项卡指定一个观察目录之后放进目录的新音视频会自动排队转录输出目录和导出文件名模板都能自定义——适合做固定的素材归档流水线。让结果更准模型和参数怎么调模型档位是准确率的第一杠杆。建议拿同一份音频把 tiny 到 large 各跑一遍看哪档在你的语言和硬件上最划算档位速度准确度适用场景tiny最快够用低配置机器、快速预览base快良好日常通用small中等优秀推荐的日常默认档medium较慢很好长视频、重要内容large最慢最佳关键素材large-v3 最准但偶有脑补词turbo 档追求速度准度平衡模型之外的三个关键参数初始提示把人名、产品名、专业术语写进去模型遇到这些词时会更稳。比如医学讲座就列上心肌梗死、心电图、血压语言默认自动检测多语言混剪或口音重时手动指定主语言更可靠温度默认从 0.0 起步、逐次重试时递增。音频清晰就保持默认背景杂音、口音重时可以适当调高换取不同的解码结果卡住了怎么办转录太慢→ 语音识别本来就吃算力。换小一档模型或改用 Whisper.cpp能跑核显和纯 CPU有 6GB 显存以上的 N 卡就选 Faster Whisper识别错得多→ 模型加大一档给初始提示先降噪再转录别依赖自动检测语言手动指定启动就崩或报错→ 多数是模型文件没下完整在偏好设置 → 模型里删除后重新下载。另注意Buzz 需要 CPU 支持 AVX2 指令集太老的机器跑不了打不开麦克风→ 系统没给应用麦克风权限。Windows 查设置 → 隐私 → 麦克风macOS 在系统设置 → 隐私与安全性里开Flatpak 版深色主题不生效→ Flatpak 沙箱默认读不到系统主题目录需要给 Flatpak 授予~/.themes的访问权限具体命令见 docs/docs/faq.md更多问题可以查 docs/docs/faq.md。再玩深一点命令行Buzz 自带 CLI可以把转录挂进脚本。比如用 Whisper.cpp small 模型转录一个 MP4 并同时导出 SRT 和 VTTbuzz add --model-type whispercpp --model-size small --prompt 初始提示 --srt --vtt input.mp4加--hide-gui可以隐藏主窗口做纯后台批处理完整参数见 docs/docs/cli.md。插件系统内置 AI 摘要、转录段落自动重排、导出 DOCX、跳过已转录文件等能力在偏好设置的插件页里开关和配置插件源码在 buzz/plugins/开发版Linux 可以直接sudo snap install buzz --edge装最新的 edge 版其他平台可以在项目的 CI 构建记录里拿最新构建产物参与项目Buzz 是 MIT 协议的开源项目想贡献代码或翻译先看 CONTRIBUTING.md反馈和讨论去项目的 issues 区【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
Buzz 本地音频转录：近百种语言全部离线转写，数据一步不出你的电脑
Buzz 本地音频转录近百种语言全部离线转写数据一步不出你的电脑【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客户访谈录音、讲座视频、会议音频——这些你不想上传到任何云端的文件现在可以用 Buzz 本地音频转录在电脑上直接转成文字它基于 OpenAI Whisper 模型运行全程离线录音和文字稿都留在本机。Buzz 是什么能干什么Buzz 是一个本地音频转录与翻译工具音频输入文字输出中间没有任何一步经过网络。它把 Whisper 模型直接跑在你的 CPU 或 GPU 上支持 Windows、macOS、Linux 三大平台输入可以是常见音视频文件MP3、WAV、M4A、FLAC、MP4 等任务可以是原语言转写也可以翻译成英文结果能导出为 TXT、SRT、VTT 字幕格式。3 分钟装好 Buzz最短路径是按平台选包管理器一条命令装完源码安装作为备选。LinuxFlatpakflatpak install flathub io.github.chidiwilliams.BuzzLinuxSnapsudo snap install buzzmacOS下载.dmg镜像双击安装Windows下载.exe安装程序程序未签名安装时提示安全警告选更多信息 → 仍要运行即可源码安装Python 3.12先装好 ffmpeg然后pip install buzz-captions python -m buzz装完第一次运行选择模型时它会联网下载模型文件之后就可以断网使用了。如果你有一台完全不能联网的机器可以提前在有网电脑下好模型再拷过去模型默认缓存在 Linux 的~/.cache/Buzz、macOS 的~/Library/Caches/Buzz、Windows 的%USERPROFILE%\AppData\Local\Buzz\Buzz\Cache在偏好设置模型页点显示文件位置能找到目录。仓库里还附了一个 scripts/download-models.py 脚本方便直接准备离线模型包。离线跑到底香在哪最大好处只有一个文件从头到尾不离开你的设备。医疗访谈、客户通话、公司会议这类敏感内容本地转录意味着不存在上传环节也就没有数据出域、被留存、被用于训练的风险。还有几个实际收益不受 API 约束没有按量计费、没有速率限制、不会排队唯一的瓶颈是你的硬件没有网络也照转模型下载好之后断网也能用出差、内网环境不受影响但也要说清楚不适合谁老 CPU、没有 GPU 的机器上large 档位转录一小时音频可能要等很久如果你的需求是上千种小众语言或云端大模型级别的翻译精度Buzz 的本地方案覆盖不了。它最适合的就是数据必须留在本机或网络环境不友好的场景。按场景上手手头的音视频文件批量转文字流程就是导入 → 选模型 → 开始。主界面点加号选一个或多个音视频文件也可以直接粘贴 YouTube 链接在任务行上为每个文件设置模型Whisper、Whisper.cpp、Faster Whisper 等和任务transcribe 转写 / translate 翻译成英文点开始所有文件进入队列依次处理完成后点任意一行打开的就是带时间戳的文字稿查看器里可以播放音频对照、搜索文字、调整播放速度也可以直接改写某一段、拖拽调整分段长度再导出为 TXT/SRT/VTT。开会时边说边出字幕主界面左侧点麦克风选录音设备点录制按钮Buzz 边录边出文字用暂停键跳过寒暄、闲聊等不需要的部分停止后音频和文字稿自动保存字幕可以直接导出Buzz 还带一个演示窗口模式适合演讲、发布会这类需要大屏显示字幕的场合。一次性处理一整批文件不想手动点开始的话用文件夹监控打开偏好设置帮助 → 偏好设置的 Folder Watch 选项卡指定一个观察目录之后放进目录的新音视频会自动排队转录输出目录和导出文件名模板都能自定义——适合做固定的素材归档流水线。让结果更准模型和参数怎么调模型档位是准确率的第一杠杆。建议拿同一份音频把 tiny 到 large 各跑一遍看哪档在你的语言和硬件上最划算档位速度准确度适用场景tiny最快够用低配置机器、快速预览base快良好日常通用small中等优秀推荐的日常默认档medium较慢很好长视频、重要内容large最慢最佳关键素材large-v3 最准但偶有脑补词turbo 档追求速度准度平衡模型之外的三个关键参数初始提示把人名、产品名、专业术语写进去模型遇到这些词时会更稳。比如医学讲座就列上心肌梗死、心电图、血压语言默认自动检测多语言混剪或口音重时手动指定主语言更可靠温度默认从 0.0 起步、逐次重试时递增。音频清晰就保持默认背景杂音、口音重时可以适当调高换取不同的解码结果卡住了怎么办转录太慢→ 语音识别本来就吃算力。换小一档模型或改用 Whisper.cpp能跑核显和纯 CPU有 6GB 显存以上的 N 卡就选 Faster Whisper识别错得多→ 模型加大一档给初始提示先降噪再转录别依赖自动检测语言手动指定启动就崩或报错→ 多数是模型文件没下完整在偏好设置 → 模型里删除后重新下载。另注意Buzz 需要 CPU 支持 AVX2 指令集太老的机器跑不了打不开麦克风→ 系统没给应用麦克风权限。Windows 查设置 → 隐私 → 麦克风macOS 在系统设置 → 隐私与安全性里开Flatpak 版深色主题不生效→ Flatpak 沙箱默认读不到系统主题目录需要给 Flatpak 授予~/.themes的访问权限具体命令见 docs/docs/faq.md更多问题可以查 docs/docs/faq.md。再玩深一点命令行Buzz 自带 CLI可以把转录挂进脚本。比如用 Whisper.cpp small 模型转录一个 MP4 并同时导出 SRT 和 VTTbuzz add --model-type whispercpp --model-size small --prompt 初始提示 --srt --vtt input.mp4加--hide-gui可以隐藏主窗口做纯后台批处理完整参数见 docs/docs/cli.md。插件系统内置 AI 摘要、转录段落自动重排、导出 DOCX、跳过已转录文件等能力在偏好设置的插件页里开关和配置插件源码在 buzz/plugins/开发版Linux 可以直接sudo snap install buzz --edge装最新的 edge 版其他平台可以在项目的 CI 构建记录里拿最新构建产物参与项目Buzz 是 MIT 协议的开源项目想贡献代码或翻译先看 CONTRIBUTING.md反馈和讨论去项目的 issues 区【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
