Buzz 离线语音转文字完整指南：5分钟上手，字幕与会议记录一步到位

Buzz 离线语音转文字完整指南：5分钟上手，字幕与会议记录一步到位

【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

上周整理一份两个小时的会议录音，纠结了半天：上传云端转录怕泄密，手动听写又太折磨。最后是朋友推荐的Buzz解决了问题——一款完全免费、完全离线的语音转文字工具。它把 OpenAI 的 Whisper 模型装进了你的个人电脑，音频从导入到出稿全程不离开本地，转录、翻译、字幕制作一条龙。今天我把自己的使用过程完整整理成这篇 Buzz 使用指南，从安装到进阶玩法一次讲透。

它其实不需要联网：一次发生在硬盘上的转录

先说说 Buzz 的底层逻辑，理解了这一点，你就能明白它和市面上其他转录工具的本质区别。

市面上多数语音转文字服务把录音上传到服务器，由云端 AI 识别后再把结果发回来。Buzz 反着来：它把 Whisper 模型直接下载到你本地（首次使用约 200MB），识别运算全部在本机完成。这意味着三件事：

• 隐私有保障：会议纪要、客户访谈、商业机密，永远不会离开你的设备
• 离线可用：飞机上、地铁里、无网环境，照常转录
• 没有次数限制：不按分钟计费，转多少都是零成本

而且 Buzz 不是一个"只能跑一个模型"的封闭工具，它支持 Whisper.cpp、Faster Whisper、Hugging Face 上的 Whisper 系列模型等多个后端，还能调用 OpenAI Whisper API（联网模式，可选）。你完全可以把它当成一个可插拔的转录平台来用。

安装的四种打开方式：总有一种适合你

Buzz 的安装方式覆盖了几乎所有主流场景，这也是我最喜欢它的地方之一。

Windows 用户：从项目发布页下载安装文件，双击安装。因为安装包未签名，首次运行会弹出警告，选择"更多信息 → 仍要运行"即可。

macOS 用户：一条命令搞定：

brew install --cask buzz

Linux 用户：支持 Snap 和 Flatpak 两种方式：

sudo snap install buzz

Python 用户：如果你习惯命令行，可以直接从 PyPI 安装：

pip install buzz-captions python -m buzz

需要说明的是，PyPI 方式要求 Python 3.12 环境，并预装 ffmpeg。如果你有 NVIDIA 显卡想跑 GPU 加速，README 里也有对应的 CUDA 安装指引。

第一次转录：从导入文件到拿到文字稿

装好之后第一次打开，你会看到一个非常清爽的主界面。别被这个朴素的样子骗了，它其实是一台功能完整的转录工作台。

主界面的任务表格清晰列出每个文件的模型、任务类型和实时状态

首次转录的流程就三步：

1. 添加文件：支持导入本地音频、视频文件，甚至可以粘贴 YouTube 链接
2. 选择模型与任务：下拉选择 Whisper 模型，任务类型选"转录"或"翻译"
3. 点击运行：任务进入队列，状态栏实时显示进度

把文件拖进来之后，我习惯顺手选好模型再批量点运行——表格里每个文件一行，状态从 Queued（排队中）、In Progress（处理中）到 Completed（已完成）一目了然，多任务并行处理完全不慌。

关于模型怎么选，第一次用别纠结太多，记住这个经验就够：

• Tiny / Base：速度飞快，适合实时转录或先出个草稿
• Small / Medium：速度和准确度的平衡点，日常够用
• Large：准确度天花板，重要内容、专业字幕首选

转录完成后：校对、搜索与导出

转录不是终点，把结果改得能交付才是。双击任务列表里的转录结果，就进入了完整的查看器界面。

每条文本都带精确起止时间，支持边播放边校对

这个界面的价值在于，它把"转录"和"交付"之间最后一公里也补齐了：

• 时间轴对齐：每条文本都标注了精确的开始、结束时间
• 播放校对：底部播放器边放音频边核对文字，发现识别错误直接改，自动保存
• 搜索定位：长音频里找关键讨论点，搜索框一下就能跳到对应位置
• 一键导出：TXT、SRT、VTT 三种格式，字幕文件直接能用

让字幕真正能用的关键一步：Resize 智能调整

转录软件不少，但绝大多数停在"把话说对"这一步。Buzz 的 Resize 功能，则是专门解决"字幕怎么排才好看"的痛点——这也是我把它推荐给做视频的朋友时的核心理由。

Resize 与 Merge 面板可以按标点、时长、间隙自动重组字幕

比如一段 42 字符太长的字幕，直接设置目标长度后点 Resize，Buzz 会自动拆分。它还有几个很聪明的合并选项：

• 按间隙合并：检测到音频停顿超过设定阈值时，自动把相邻短句合并
• 按标点拆分：在句号、逗号处断开长句，让字幕断句更符合阅读习惯
• 按最大长度拆分：配合字符上限，保证字幕不超出一行

如果转录时开启了词级时间戳（word-level timings），Resize 甚至会用静音分析来优化字幕边界——这种细节，是很多付费工具都不给的。

进阶玩法：从录音笔到自动化流水线

用熟基本流程之后，Buzz 还能帮你把转录这件事彻底"自动化"。

实时录音转录：接上麦克风，说话的同时文字实时出现在屏幕上，还带一个适合投屏的演示窗口。做会议记录、采访整理时，会开完稿子就有了。

文件夹监控：在设置里指定一个目录，之后丢进去的任何新音频都会自动转录。配合团队协作或定期批量处理，基本就是一条全自动流水线。

多语言翻译：除了 Whisper 自带的"翻译成英文"，Buzz 还支持通过 OpenAI 兼容 API 把转录结果翻译成任意语言——甚至可以接本地跑的 Ollama、LM Studio，翻译也全程离线。

说话人识别：多人对话的录音，转录后能区分不同说话人，做访谈纪要时非常实用。

在模型管理页可以下载、切换不同 Whisper 模型，还能粘贴自定义模型链接

如果你追求更极致的性能，还可以试试它的命令行接口（CLI），把转录脚本化、集成到自己的自动化流程里；对嘈杂音频，开启"语音分离"预处理能明显提升准确率。

现在就可以开始

如果你也在为录音整理头疼，或者想给视频加字幕又不想被订阅费绑架，Buzz 是目前我见过最省心的答案：免费、离线、跨平台，从装好的那一刻起，转录这件事就不再需要求人。

动手的方式很简单，clone 一份代码跑起来，或者直接按上文任一方式安装：

git clone https://gitcode.com/GitHub_Trending/buz/buzz

找一份录音试试，你离拿到第一份离线字幕，只差五分钟。

【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