Buzz免费音频转录完整上手：5步把会议录音变成带时间戳的文字稿

Buzz免费音频转录完整上手5步把会议录音变成带时间戳的文字稿【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上周那场47分钟的例会录音你打算花几小时手动听写Buzz就是为这个场景而生的——一款免费、开源的离线音频转录工具基于 OpenAI Whisper在你的个人电脑上本地完成语音转文字音频文件从头到尾不离开你的硬盘。你不需要懂机器学习装上它导入音频几分钟就能拿到一份带时间戳的文字稿。一句话定位Buzz 本地 Whisper 的图形化外壳把导入音频 → 转录 → 导出字幕压缩成几次点击顺带解决隐私与联网问题。选型篇先判断它适不适合你动手安装前先花30秒对照这张表确认 Buzz 是你的菜而不是看起来很酷但用不上适用人群核心优势主要局限常见备选方案会议/访谈记录整理者完全本地离线转录隐私可控图形界面直观零代码上手首次需下载模型占数GB磁盘录音质量差时准确率打折讯飞听见、腾讯云语音在线付费视频创作者、字幕组一键导出 SRT/VTT 字幕支持单词级时间戳与字幕重排大模型转写较慢速度取决于你的CPU/GPUSubtitle Edit只编辑不转录需要批量自动化的人内置命令行接口和文件夹监控可无人值守批量处理无多GPU并行调度实时转录较吃性能faster-whisper 脚本、WhisperX如果你的需求是偶尔转一份录音、用完即走Buzz 的安装包和配置流程可能显得略重在线服务更省事但一旦涉及敏感内容、高频转录、离线环境本地方案的优势就完全压过那些代价。上手篇最短路径几分钟跑通第一个转录结果先别研究功能按下面三步拿到第一个结果再说全程不超过10分钟。第1步安装。三选一即可# LinuxFlatpak 方式 flatpak install flathub io.github.chidiwilliams.Buzz # Python 开发者方式需先装好 ffmpeg 与 Python 3.12 pip install buzz-captions python -m buzzWindows 和 macOS 用户直接下载对应安装包双击运行即可Windows 下会提示未签名选择更多信息 → 仍要运行继续。第2步导入音频。启动后按Ctrl/Cmd O或点工具栏的图标选中你的 MP3/WAV/MP4 文件。它支持批量选多个文件也可以直接把文件拖进窗口。第3步运行。保持默认设置直接点Run按钮。等列表里的状态从Queued→In Progress变成Completed双击这一行就能看到转录结果。主界面就是一个任务表格模型、任务类型、进度一目了然多任务排队互不干扰。默认的 tiny 模型最快几十秒就能转完一段几分钟的音频——你跑通流程的成就感从这里开始。实战篇一条主线把上周的会议录音变成可检索的文稿现在做一件真实的事把上周那场47分钟的会议录音变成一份能搜索、能引用、带时间戳的文字稿。整个过程约5步预计耗时取决于你的机器和模型选择。第1步选一个合适的模型。文件导入后在Model下拉框里选 Whisper.cpp 的base或small。Whisper 家族模型大致是这么个梯度模型磁盘占用特点推荐场景tiny / base约1–2GB最快准确率中等实时录音、短视频small / medium约5–10GB速度与准确率均衡会议、播客、采访large-v3约20GB准确率最高学术访谈、专业术语密集内容会议场景选small是多数人的甜点比 base 更准又不像 large 那样让笔记本风扇狂转。模型首次使用会自动下载下载进度在主界面可见。第2步填初始提示。点Advanced...按钮在 Initial prompt 里写下参会者姓名、公司名、行业术语用逗号或空格分隔。这一步能显著减少专有名词的错别字是花10秒换10%准确率的划算买卖。第3步开始转录。点 Run。参考时间47分钟音频用small模型在普通CPU上约需15–25分钟有 NVIDIA GPU 或 Apple Silicon 时通常压缩到5分钟以内。你完全可以切出去干别的转完会有状态更新。第4步校对与查看。双击任务行打开转录视图底部是播放器播放时对应文字会同步高亮顶部的搜索框能秒级定位关键词——找预算两个字比在录音里快进快退靠谱一百倍。每条文字都有起止时间边播边校对是转录工作的标准姿势。第5步导出与字幕微调。点Export选择 TXT纯文本、SRT视频字幕或 VTT网页字幕。如果你后面要做成视频字幕建议在第1步就勾上 Word-Level Timings单词级时间戳转录完成后点Resize设置目标字幕长度默认42字符再勾选按标点分割几秒就能生成排版舒服的字幕。字幕太碎或太长都不好看Resize 面板用几个勾选框就能重新组织。至此你的会议录音已经变成三样东西一份可全文搜索的 TXT 文稿、一套对齐时间轴的 SRT 字幕、一条以后都能这么干的熟练路径。避坑篇反套路替你踩过的4个坑以下每一个坑都是我和论坛里的用户真实踩过的按症状→原因→解法讲清楚。坑1模型下载到一半失败程序闪退❌ 症状模型下载中断后再次启动 Buzz 直接崩溃或反复报错。 ✅ 原因本地留下了损坏或不完整的模型缓存。 ✅ 解决打开Help → Preferences → Models删除对应模型后重新下载日志位置在Help → About Buzz → Show logs。注意 Buzz 需要 CPU 支持 AVX2过老的机器不在此列。坑2明明说的是中文转出来却夹着英文/乱码❌ 症状结果里出现大量无语义的英文单词或杂音文本。 ✅ 原因使用了自动检测语言开头几秒的噪音误导了检测。 ✅ 解决导入时把 Language 手动指定为zh这是文档里反复强调的最佳实践——自动检测永远是兜底选项不是默认选择。坑3转录慢到让人怀疑人生❌ 症状47分钟音频跑了一个小时还没完。 ✅ 原因默认使用原版 Whisper准确但慢且吃内存且在纯CPU上运行。 ✅ 解决换 Whisper.cpp 或 Faster Whisper 后端在模型类型下拉框切换Whisper.cpp 支持 Vulkan连集成显卡都能加速有 NVIDIA GPU 且显存≥6GB 时优先 Faster Whisper。坑4实时录音报PaErrorCode-9999❌ 症状点录音直接报Unanticipated host error[PaErrorCode-9999]。 ✅ 原因系统没给应用麦克风权限Windows 上最常见。 ✅ 解决Windows 到设置 → 隐私 → 麦克风允许 Buzz 访问麦克风macOS 在系统设置 → 隐私与安全性 → 麦克风里勾选Linux 检查是否被系统级声音服务拦截。进阶篇组合拳把转录接进你的日常工作流跑通单次转录只是开始Buzz 真正值钱的是把它接进流程让转录无人值守。组合拳1文件夹监控丢进去就自动转。在Preferences → Folder Watch里添加一个目录比如~/录音/待整理设置好模型与导出格式之后任何新录音只要拷进这个文件夹Buzz 自动转录、自动导出字幕。配合跳过已转录文件插件即使重复导入同一批文件已完成的会自动标记为 Skipped不重复烧算力。组合拳2命令行批量流水线。一次处理几十个文件时图形界面远不如一行命令干净# 批量转录当前目录所有 mp3导出 SRT 字幕并隐藏界面 buzz add --task transcribe --language zh \ --model-type whispercpp --model-size small \ --srt --hide-gui *.mp3关键参数都自带注释式命名--task选转录还是翻译、--model-size换模型、--srt/--vtt/--txt控制导出格式。配合--prompt传术语、--word-timestamps开单词级时间戳完全能塞进你的 cron 或 shell 脚本里。彩蛋插件系统。Help → Plugins里内置了 AI 摘要用 OpenAI 兼容 API 生成总结、导出 DOCX、DeepFilterNet 降噪等插件拖拽即可调运行顺序。具体机制可参考 buzz/plugins/ 下的实现想写自定义插件的同学可以直接照着抄。收尾行动清单现在按这个优先级开始动手装一个并转一段1分钟的测试音频——用 testdata/ 里的样例文件验证你的环境没问题。把上周的会议录音跑一遍记得手动指定语言、填上初始提示感受一次真实完整的转录。按需换后端和模型——先试 Whisper.cpp 的 small再对比 Faster Whisper找到你的速度/准确率甜点。配置文件夹监控 命令行参数让日常录音自动进、文稿自动出。玩转插件与字幕导出按你的输出场景定好 SRT/VTT 的默认格式。常用资源入口完整使用说明在 docs/docs/usage/命令行参数速查在 docs/docs/cli.md遇到报错先翻 docs/docs/faq.md中文版介绍见 readme/README.zh_CN.md。转录这件事本质上是用机器的时间换你的时间。第一次跑通之后你会发现那些曾经躺在硬盘里没空整理的录音现在都变成了可搜索、可引用、可分享的资产。去做吧你的旧录音正等着被重新听见。【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