免费离线音频转录实测用Buzz把1小时录音变成带时间轴的字幕全程不联网【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你有没有算过这样一笔账一盘1小时的会议录音手动整理成文字稿至少要搭进去一个下午一段20分钟的视频想配上字幕熬夜敲键盘是家常便饭。Buzz给出的答案是另一个方向——它是一款完全免费的离线音频转录工具基于 OpenAI 的 Whisper 技术把音频、视频甚至网页链接变成文字和带时间轴的字幕全过程在你自己的电脑上完成数据不离开设备。这篇文章不打算罗列功能清单而是陪你走完一条音频文件的完整旅程从它被拖进 Buzz 的那一刻到变成一份可编辑、可导出、可交付的文字稿。你会看到这台本地语音识别机器里的每一道工序以及每个按钮背后解决的真实问题。把录音拖进窗口3分钟完成第一份离线音频转录第一步没有门槛。点击左上角的选择一个音频或视频文件MP3、WAV、FLAC、MP4、AVI 都在受理范围如果你有一段网页上的视频直接粘贴链接也能导入。导入之后界面会问你三件事任务转录还是翻译、语言、模型。选好点运行任务就进入了队列。接下来的事情全部由 Buzz 完成你只需要看着进度条走完。这就是主界面的样子——每一行是一个任务模型、语言、进度、耗时一目了然。你完全可以同时丢进去十个文件Buzz 会排队处理。第一次使用的人最常犯的错误是贪心一次性塞进太多大文件然后抱怨机器慢。这就要说到 Buzz 最重要的选择——模型。五台引擎任你挑准确率和速度其实是一笔明账Whisper 并不是一套一个模型打天下的方案它更像一个发动机系列排量不同油耗不同。Buzz 把它们做成了一张清晰的选型表模型大小相对速度识别精度适合干什么Tiny约75MB极快基础快速试听、低配电脑、先看个大概Base约142MB很快良好日常随手记、平衡之选Small约466MB中等优秀会议录音转文字的主力档Medium约1.5GB较慢极佳访谈、学术内容、需要精读的稿子Large约2.9GB最慢最佳多语言混排、对错误零容忍的交付件如果只是想知道一段音频里大概说了什么Tiny 就够了一分钟出结果如果是给客户交付的字幕文件请直接上 Small 或 Medium。把模型当成精度换时间的杠杆你就能一眼算出每一份录音该用哪台引擎。模型的下载和管理都在设置里完成支持 Whisper、Whisper.cpp、Faster-Whisper、Hugging Face 等不同后端——这意味着你不仅能选大小还能选跑法。比如在旧电脑上Whisper.cpp 往往比默认方案流畅得多。三个旋钮决定错别字多少语言锁定、初始提示、语音分离转录结果好不好很多时候不怪模型怪设置。下面这三个旋钮是提升免费离线转录工具成稿质量最立竿见影的手段。旋钮一锁定语言。自动检测语言虽然智能但遇到口音重、环境吵的录音偶尔会看走眼。如果你明确知道录音说的是中文就在下拉框里直接选中文准确率立刻上一个台阶。旋钮二初始提示。这是解决专有名词被写错的终极武器。医学讲座里的药名、客户公司的英文名、人名的写法——把容易出错的词提前写进Initial prompt模型就会带着参考答案去听。比如转写产品发布会时把产品型号全部写进去你会发现拼写错误肉眼可见地减少。旋钮三语音分离。录音里有人声和背景音乐混在一起时勾选提取人声选项Buzz 会先用专门的模型把纯人声剥离出来再转写。对嘈杂的会议录音和带 BGM 的视频这一勾往往能救回半页错字。一边开会一边出稿实时本地语音识别与演示窗口的配合文件转录是离线加工而 Buzz 的另一条生产线是实时的。插上麦克风点下录音按钮你说的话会以句子为单位滚动变成文字。这就是实时本地语音识别——没有任何一步经过云端。最有意思的是配套的演示窗口模式把转录结果放大成全屏投影字号、颜色、主题都可调。开会时连上投影仪全场人能看到你边说边出字比会后补一份纪要体面得多。同声传译级别的效率当然谈不上但作为会议记录、讲座速记、采访提纲的即时生成器它已经远超够用。对 macOS 用户Buzz 还支持录制电脑内部播放的声音配合 BlackHole 之类的虚拟声卡也就是说——在线课程、语音会议、视频通话都能直接抓进转录流程。成品车间把文字稿变成能交付的作品转录完成只是半成品。双击任务行进入转录查看器这里是 Buzz 的成品车间。每一句话都带着起止时间戳可以一边播放一边校对。工具栏上藏着几个关键工序字幕重排如果转录时开启了逐词时间戳Buzz 就能按你的要求重新组合字幕——按停顿合并、按标点拆分、限定每条字幕的最长时长。配合延长显示时间选项出来的 SRT 字幕几乎不需要二次加工这正是视频字幕制作最耗时的一环。说话人识别识别出音频里有几个人在说话给每句话打上Speaker 1Speaker 2的标签还能试听某个人说话片段来重命名。做访谈记录时这一步省下的时间以小时计。多格式导出纯文本 TXT 用于整理笔记SRT、VTT 用于视频剪辑和网页字幕。导出前别忘了在文件转录设置里勾选你要的格式。挂上无人值守档位文件夹监控、插件与命令行如果转录是日常工作流的一部分Buzz 还有三招让你彻底放手。文件夹监控。在设置里指定一个文件夹之后凡是丢进去的新音频文件Buzz 都会自动开始转录。批量处理访谈素材时把录音一股脑拖进文件夹第二天早上起来收稿子就行。插件系统。这是 Buzz 1.4.5 之后最值得玩的地方。内置插件覆盖了高频需求DeepFilterNet 在转录前自动降噪增强语言检测在开跑前先用轻量模型判断语种跳过已转录让重复导入的文件夹不再白跑一遍模型还能自动把结果导出成 Word 文档、用本地大模型生成摘要。插件可以拖拽排序、逐个开关甚至支持从 URL 安装社区插件——相当于给这台机器不断加装新工具头。命令行。习惯了脚本的人可以完全绕过图形界面buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt ./meeting.mp3一行命令转录完直接输出 SRT 和 VTT 两个字幕文件。接入自己的自动化脚本就是一条定制的转录流水线。算力预算表CPU、NVIDIA显卡、Apple Silicon分别能跑多快很多人担心离线等于慢。真实的算力账是这样算的纯 CPU1小时音频大约需要30~60分钟小模型会快很多适合不赶时间的批量处理NVIDIA 显卡启用 CUDA 加速后同样1小时音频通常压缩到5~15分钟是最推荐的投入产出比Apple Silicon原生优化性能接近 GPU 加速Mac 用户的体验相当好Whisper.cpp VulkanBuzz 还支持 Vulkan 加速连集成显卡也能沾光。换句话说决定速度的不是离不离线而是你选了什么引擎、用什么硬件跑。在安装时选择带 CUDA 支持的版本就能把显卡用起来。如果你暂时不想折腾安装包也可以从 PyPI 直接安装pip install buzz-captions python -m buzz你的第一份稿子今天就能到手回看整条流水线拖入文件、选模型、点运行Buzz 替你把音频变成文字、把文字变成字幕、把字幕变成可交付的文件。它解决的从来不是能不能转录的问题——那是大多数在线工具都能做到的事——而是在完全离线、完全免费、完全可控的前提下把转录质量和效率做到专业级。如果你手头正好有一份积压的录音或视频现在就去下载适合你系统的版本拖一个 10 分钟的短文件进去选 Base 模型试跑一次。三分钟后你会意识到过去那些熬夜整理纪要、手工对字幕的夜晚本来可以全部省下来。想深入了解每个功能可以参考项目内的官方文档docs/docs/想研究转录逻辑的底层实现核心源码在 buzz/transcriber/设置模块在 buzz/settings/插件体系则在 buzz/plugins/。读完它你就能把这个免费的离线音频转录工具用到极致。【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 免费离线音频转录实测：用Buzz把1小时录音变成带时间轴的字幕，全程不联网
免费离线音频转录实测用Buzz把1小时录音变成带时间轴的字幕全程不联网【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你有没有算过这样一笔账一盘1小时的会议录音手动整理成文字稿至少要搭进去一个下午一段20分钟的视频想配上字幕熬夜敲键盘是家常便饭。Buzz给出的答案是另一个方向——它是一款完全免费的离线音频转录工具基于 OpenAI 的 Whisper 技术把音频、视频甚至网页链接变成文字和带时间轴的字幕全过程在你自己的电脑上完成数据不离开设备。这篇文章不打算罗列功能清单而是陪你走完一条音频文件的完整旅程从它被拖进 Buzz 的那一刻到变成一份可编辑、可导出、可交付的文字稿。你会看到这台本地语音识别机器里的每一道工序以及每个按钮背后解决的真实问题。把录音拖进窗口3分钟完成第一份离线音频转录第一步没有门槛。点击左上角的选择一个音频或视频文件MP3、WAV、FLAC、MP4、AVI 都在受理范围如果你有一段网页上的视频直接粘贴链接也能导入。导入之后界面会问你三件事任务转录还是翻译、语言、模型。选好点运行任务就进入了队列。接下来的事情全部由 Buzz 完成你只需要看着进度条走完。这就是主界面的样子——每一行是一个任务模型、语言、进度、耗时一目了然。你完全可以同时丢进去十个文件Buzz 会排队处理。第一次使用的人最常犯的错误是贪心一次性塞进太多大文件然后抱怨机器慢。这就要说到 Buzz 最重要的选择——模型。五台引擎任你挑准确率和速度其实是一笔明账Whisper 并不是一套一个模型打天下的方案它更像一个发动机系列排量不同油耗不同。Buzz 把它们做成了一张清晰的选型表模型大小相对速度识别精度适合干什么Tiny约75MB极快基础快速试听、低配电脑、先看个大概Base约142MB很快良好日常随手记、平衡之选Small约466MB中等优秀会议录音转文字的主力档Medium约1.5GB较慢极佳访谈、学术内容、需要精读的稿子Large约2.9GB最慢最佳多语言混排、对错误零容忍的交付件如果只是想知道一段音频里大概说了什么Tiny 就够了一分钟出结果如果是给客户交付的字幕文件请直接上 Small 或 Medium。把模型当成精度换时间的杠杆你就能一眼算出每一份录音该用哪台引擎。模型的下载和管理都在设置里完成支持 Whisper、Whisper.cpp、Faster-Whisper、Hugging Face 等不同后端——这意味着你不仅能选大小还能选跑法。比如在旧电脑上Whisper.cpp 往往比默认方案流畅得多。三个旋钮决定错别字多少语言锁定、初始提示、语音分离转录结果好不好很多时候不怪模型怪设置。下面这三个旋钮是提升免费离线转录工具成稿质量最立竿见影的手段。旋钮一锁定语言。自动检测语言虽然智能但遇到口音重、环境吵的录音偶尔会看走眼。如果你明确知道录音说的是中文就在下拉框里直接选中文准确率立刻上一个台阶。旋钮二初始提示。这是解决专有名词被写错的终极武器。医学讲座里的药名、客户公司的英文名、人名的写法——把容易出错的词提前写进Initial prompt模型就会带着参考答案去听。比如转写产品发布会时把产品型号全部写进去你会发现拼写错误肉眼可见地减少。旋钮三语音分离。录音里有人声和背景音乐混在一起时勾选提取人声选项Buzz 会先用专门的模型把纯人声剥离出来再转写。对嘈杂的会议录音和带 BGM 的视频这一勾往往能救回半页错字。一边开会一边出稿实时本地语音识别与演示窗口的配合文件转录是离线加工而 Buzz 的另一条生产线是实时的。插上麦克风点下录音按钮你说的话会以句子为单位滚动变成文字。这就是实时本地语音识别——没有任何一步经过云端。最有意思的是配套的演示窗口模式把转录结果放大成全屏投影字号、颜色、主题都可调。开会时连上投影仪全场人能看到你边说边出字比会后补一份纪要体面得多。同声传译级别的效率当然谈不上但作为会议记录、讲座速记、采访提纲的即时生成器它已经远超够用。对 macOS 用户Buzz 还支持录制电脑内部播放的声音配合 BlackHole 之类的虚拟声卡也就是说——在线课程、语音会议、视频通话都能直接抓进转录流程。成品车间把文字稿变成能交付的作品转录完成只是半成品。双击任务行进入转录查看器这里是 Buzz 的成品车间。每一句话都带着起止时间戳可以一边播放一边校对。工具栏上藏着几个关键工序字幕重排如果转录时开启了逐词时间戳Buzz 就能按你的要求重新组合字幕——按停顿合并、按标点拆分、限定每条字幕的最长时长。配合延长显示时间选项出来的 SRT 字幕几乎不需要二次加工这正是视频字幕制作最耗时的一环。说话人识别识别出音频里有几个人在说话给每句话打上Speaker 1Speaker 2的标签还能试听某个人说话片段来重命名。做访谈记录时这一步省下的时间以小时计。多格式导出纯文本 TXT 用于整理笔记SRT、VTT 用于视频剪辑和网页字幕。导出前别忘了在文件转录设置里勾选你要的格式。挂上无人值守档位文件夹监控、插件与命令行如果转录是日常工作流的一部分Buzz 还有三招让你彻底放手。文件夹监控。在设置里指定一个文件夹之后凡是丢进去的新音频文件Buzz 都会自动开始转录。批量处理访谈素材时把录音一股脑拖进文件夹第二天早上起来收稿子就行。插件系统。这是 Buzz 1.4.5 之后最值得玩的地方。内置插件覆盖了高频需求DeepFilterNet 在转录前自动降噪增强语言检测在开跑前先用轻量模型判断语种跳过已转录让重复导入的文件夹不再白跑一遍模型还能自动把结果导出成 Word 文档、用本地大模型生成摘要。插件可以拖拽排序、逐个开关甚至支持从 URL 安装社区插件——相当于给这台机器不断加装新工具头。命令行。习惯了脚本的人可以完全绕过图形界面buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt ./meeting.mp3一行命令转录完直接输出 SRT 和 VTT 两个字幕文件。接入自己的自动化脚本就是一条定制的转录流水线。算力预算表CPU、NVIDIA显卡、Apple Silicon分别能跑多快很多人担心离线等于慢。真实的算力账是这样算的纯 CPU1小时音频大约需要30~60分钟小模型会快很多适合不赶时间的批量处理NVIDIA 显卡启用 CUDA 加速后同样1小时音频通常压缩到5~15分钟是最推荐的投入产出比Apple Silicon原生优化性能接近 GPU 加速Mac 用户的体验相当好Whisper.cpp VulkanBuzz 还支持 Vulkan 加速连集成显卡也能沾光。换句话说决定速度的不是离不离线而是你选了什么引擎、用什么硬件跑。在安装时选择带 CUDA 支持的版本就能把显卡用起来。如果你暂时不想折腾安装包也可以从 PyPI 直接安装pip install buzz-captions python -m buzz你的第一份稿子今天就能到手回看整条流水线拖入文件、选模型、点运行Buzz 替你把音频变成文字、把文字变成字幕、把字幕变成可交付的文件。它解决的从来不是能不能转录的问题——那是大多数在线工具都能做到的事——而是在完全离线、完全免费、完全可控的前提下把转录质量和效率做到专业级。如果你手头正好有一份积压的录音或视频现在就去下载适合你系统的版本拖一个 10 分钟的短文件进去选 Base 模型试跑一次。三分钟后你会意识到过去那些熬夜整理纪要、手工对字幕的夜晚本来可以全部省下来。想深入了解每个功能可以参考项目内的官方文档docs/docs/想研究转录逻辑的底层实现核心源码在 buzz/transcriber/设置模块在 buzz/settings/插件体系则在 buzz/plugins/。读完它你就能把这个免费的离线音频转录工具用到极致。【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