文字實戰(zhàn)：本地 Whisper 轉(zhuǎn)錄 + 翻譯，一份完整上手指南)
Buzz 離線語音轉(zhuǎn)文字實戰(zhàn)本地 Whisper 轉(zhuǎn)錄 翻譯一份完整上手指南【免費下載鏈接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.項目地址: https://gitcode.com/GitHub_Trending/buz/buzzBuzz 是基于 OpenAI Whisper 的開源離線語音轉(zhuǎn)文字工具轉(zhuǎn)錄與翻譯全在本地電腦完成音頻不上傳。支持 99 種以上語言既能轉(zhuǎn)文件錄音也能麥克風(fēng)實時出字。要隱私、實時、免折騰三者都要本地方案里它最省心。裝好并跑通第一次轉(zhuǎn)錄安裝按環(huán)境選一種Windows從 SourceForge 下載安裝包程序未簽名彈窗時點更多信息再選仍要運行macOS下載.dmg拖進(jìn)應(yīng)用程序文件夾僅支持 Apple SiliconLinuxflatpak install flathub io.github.chidiwilliams.Buzz或sudo snap install buzzPython 環(huán)境建議 3.12先裝 ffmpegpip install buzz-captions再python -m buzz源碼運行g(shù)it clone https://gitcode.com/GitHub_Trending/buz/buzz模型。模型文件相當(dāng)于一本詞表第一次用到才下載。緩存在~/.cache/BuzzLinux、~/Library/Caches/BuzzmacOS、%USERPROFILE%\AppData\Local\Buzz\Buzz\CacheWindows幫助 → 偏好設(shè)置 → 模型 里有顯示文件位置可直達(dá)。下載慢設(shè)環(huán)境變量HF_ENDPOINThttps://hf-mirror.com走鏡像完全無網(wǎng)的機(jī)器在聯(lián)網(wǎng)電腦上下好模型把模型文件夾原樣拷到目標(biāo)機(jī)同一位置倉庫里的scripts/download-models.py可以幫你離線備料導(dǎo)入。用文件菜單或工具欄圖標(biāo)丟入音頻MP3、WAVMP4、MKV 這類視頻也能直接放進(jìn)去音軌會自動抽出。定任務(wù)與語言。默認(rèn)轉(zhuǎn)錄外語要翻成目標(biāo)語言就選翻譯。知道說什么語言就別用自動檢測——它只參考開頭幾秒手動指定錯誤少得多。選模型運行。先用 base 或 small 找手感狀態(tài)列變已完成后雙擊該行打開查看器邊聽邊對核對完可導(dǎo)出 TXT、SRT、VTT。會議實時錄音邊說邊出字怎么做任務(wù)選錄音挑好麥克風(fēng)點錄音文字就跟著說話逐句蹦出來。新句子往哪放有三種模式差別不小追加在下方最新一句沉在底部適合從上往下讀追加在上方最新一句頂在最上面不用滾動就能看到當(dāng)前內(nèi)容追加并校正新句子入列的同時持續(xù)修正上一句的識別錯誤多人訪談、術(shù)語多的會議用它成稿最接近人工記錄但對硬件要求更高兩個配套能力實時寫文件偏好設(shè)置里開啟實時轉(zhuǎn)錄導(dǎo)出文字邊生成邊寫進(jìn)一個 TXT 文件OBS 這類軟件可以直接讀它做字幕源開了翻譯的話譯文單獨落在.translated.txt里演示窗口打開后文字直接投到大屏現(xiàn)場演講、會議展示時觀眾能同步看到多人對話分不清誰說了什么查看器里的說話人識別能自動區(qū)分并標(biāo)注不同說話人。視頻字幕怎么壓出標(biāo)準(zhǔn)換行字幕質(zhì)量取決于兩個開關(guān)的組合高級設(shè)置里打開詞級時間戳——Buzz 給每個詞打上獨立時間戳這是細(xì)粒度切句的前提。轉(zhuǎn)錄完成后用調(diào)整大小功能它按靜音間隔和標(biāo)點把散落的詞合并成長度合適的標(biāo)準(zhǔn)字幕行。不開這個開關(guān)字幕是一整團(tuán)開了就是一行行的標(biāo)準(zhǔn)長度。原始音頻還在的話合并時會額外分析音頻里的靜音斷行位置更準(zhǔn)。做完導(dǎo)出 SRT 或 VTT直接掛進(jìn)播放器或剪輯軟件。不想手動調(diào)buzz/plugins/transcript_resizer/plugin.py里的自動字幕調(diào)整插件能按規(guī)則自動切。新文件丟進(jìn)去自動轉(zhuǎn)批量歸檔怎么辦固定目錄持續(xù)落錄音的工作流用監(jiān)聽文件夾最省心偏好設(shè)置里指定一個目錄Buzz 檢測到新音頻就自動建轉(zhuǎn)錄任務(wù)你只管往里扔文件。配合**跳過已轉(zhuǎn)錄文件插件**buzz/plugins/skip_already_transcribed/重復(fù)導(dǎo)入同一批文件時只要發(fā)現(xiàn)旁邊已有同名的 .txt / .srt / .vtt 結(jié)果文件或數(shù)據(jù)庫里有記錄直接復(fù)用、不再跑模型批量重跑幾乎零成本。同樣的事命令行一句話搞定適合寫進(jìn)腳本做定時歸檔buzz add --task transcribe --model-size small \ --srt --vtt /path/to/audio.mp3常用參數(shù)-l指定語言、-w開詞級時間戳、-e轉(zhuǎn)錄前先做語音提取、--hfid指定 HuggingFace 模型 ID、--hide-gui跑完即退不出窗口。完整參數(shù)表見 docs/docs/cli.md。效率調(diào)優(yōu)四個最值得動的開關(guān)模型后端偏好設(shè)置 → 模型——決定硬件怎么跑Whisper.cpp 是 C 實現(xiàn)Nvidia 走 CUDAAMD / Intel 顯卡和核顯走 VulkanMac 上是最佳選擇帶核顯的筆記本也能跑實時轉(zhuǎn)錄Faster Whisper 是優(yōu)化版快一個數(shù)量級且更省內(nèi)存前提是 Nvidia 顯存 ≥ 6GB原版 Whisper 準(zhǔn)確但慢、吃內(nèi)存HuggingFace 類型支持 Parakeet、MMS1000 語言等定制模型適合特定語種優(yōu)化。模型大小——草稿用 tiny / base 控耗時終稿用 medium / large 換準(zhǔn)確率實時錄音必須小模型才跟得上語速。large 系列里L(fēng)arge-V2 最穩(wěn)Large-V3 很多語種最準(zhǔn)但偶爾會幻聽出音頻里沒有的詞Turbo 取速度和準(zhǔn)確率的中間值。最保險的辦法是拿自己的語言各測一遍。語言與初始提示——語言手動指定人名、產(chǎn)品名這類專有名詞總被轉(zhuǎn)錯時在高級設(shè)置的初始提示里填上正確拼寫模型會照著提示來。噪聲與顯存——嘈雜錄音打開語音提取先把人聲從背景里剝離再轉(zhuǎn)錄顯存不夠時換量化版本模型如q_5或在偏好設(shè)置里開降低 GPU 內(nèi)存占用用 8 位量化省顯存。常見坑問答轉(zhuǎn)錄太慢怎么辦換更小的模型CPU 上調(diào)BUZZ_WHISPERCPP_N_THREADSWhisper.cpp 線程數(shù)16 線程機(jī)器設(shè)為 8 大約提速 15%。老 GPU 上反而更卡老顯卡走 GPU 可能不如 CPU設(shè)BUZZ_FORCE_CPUtrue強(qiáng)制走 CPU。模型下載慢 / 超時設(shè)HF_ENDPOINThttps://hf-mirror.com走鏡像。麥克風(fēng)報錯如 PaErrorCode-9999多半是系統(tǒng)隱私設(shè)置擋了權(quán)限Windows 到設(shè)置 → 隱私 → 麥克風(fēng)給 Buzz 授權(quán)殺毒軟件也會攔截可臨時關(guān)掉驗證。應(yīng)用閃退多半是模型文件下載不完整偏好設(shè)置 → 模型 里刪除后重新下載。提示不支持、無法啟動Buzz 依賴 CPU 的 AVX2 指令集太老的機(jī)器跑不了。怎么選接著讀什么云端轉(zhuǎn)錄服務(wù)要上傳音頻、按量計費whisper 這類純命令行工具一條命令批量跑但沒有實時錄音也沒有界面。Buzz 卡在兩者中間隱私、實時、免折騰全都要而且免費。延伸閱讀docs/docs/官方文檔含中文安裝、使用、偏好設(shè)置與環(huán)境變量說明docs/docs/cli.mdCLI 完整參數(shù)表與示例寫定時歸檔腳本前查這里buzz/transcriber/轉(zhuǎn)錄核心邏輯各 Whisper 后端實現(xiàn)都在這里buzz/plugins/插件系統(tǒng)源碼AI 摘要、字幕自動調(diào)整等插件的實現(xiàn)scripts/download-models.py離線模型預(yù)打包腳本面向無網(wǎng)機(jī)器【免費下載鏈接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.項目地址: https://gitcode.com/GitHub_Trending/buz/buzz創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 Buzz 離線語音轉(zhuǎn)文字實戰(zhàn)：本地 Whisper 轉(zhuǎn)錄 + 翻譯，一份完整上手指南
Buzz 離線語音轉(zhuǎn)文字實戰(zhàn)本地 Whisper 轉(zhuǎn)錄 翻譯一份完整上手指南【免費下載鏈接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.項目地址: https://gitcode.com/GitHub_Trending/buz/buzzBuzz 是基于 OpenAI Whisper 的開源離線語音轉(zhuǎn)文字工具轉(zhuǎn)錄與翻譯全在本地電腦完成音頻不上傳。支持 99 種以上語言既能轉(zhuǎn)文件錄音也能麥克風(fēng)實時出字。要隱私、實時、免折騰三者都要本地方案里它最省心。裝好并跑通第一次轉(zhuǎn)錄安裝按環(huán)境選一種Windows從 SourceForge 下載安裝包程序未簽名彈窗時點更多信息再選仍要運行macOS下載.dmg拖進(jìn)應(yīng)用程序文件夾僅支持 Apple SiliconLinuxflatpak install flathub io.github.chidiwilliams.Buzz或sudo snap install buzzPython 環(huán)境建議 3.12先裝 ffmpegpip install buzz-captions再python -m buzz源碼運行g(shù)it clone https://gitcode.com/GitHub_Trending/buz/buzz模型。模型文件相當(dāng)于一本詞表第一次用到才下載。緩存在~/.cache/BuzzLinux、~/Library/Caches/BuzzmacOS、%USERPROFILE%\AppData\Local\Buzz\Buzz\CacheWindows幫助 → 偏好設(shè)置 → 模型 里有顯示文件位置可直達(dá)。下載慢設(shè)環(huán)境變量HF_ENDPOINThttps://hf-mirror.com走鏡像完全無網(wǎng)的機(jī)器在聯(lián)網(wǎng)電腦上下好模型把模型文件夾原樣拷到目標(biāo)機(jī)同一位置倉庫里的scripts/download-models.py可以幫你離線備料導(dǎo)入。用文件菜單或工具欄圖標(biāo)丟入音頻MP3、WAVMP4、MKV 這類視頻也能直接放進(jìn)去音軌會自動抽出。定任務(wù)與語言。默認(rèn)轉(zhuǎn)錄外語要翻成目標(biāo)語言就選翻譯。知道說什么語言就別用自動檢測——它只參考開頭幾秒手動指定錯誤少得多。選模型運行。先用 base 或 small 找手感狀態(tài)列變已完成后雙擊該行打開查看器邊聽邊對核對完可導(dǎo)出 TXT、SRT、VTT。會議實時錄音邊說邊出字怎么做任務(wù)選錄音挑好麥克風(fēng)點錄音文字就跟著說話逐句蹦出來。新句子往哪放有三種模式差別不小追加在下方最新一句沉在底部適合從上往下讀追加在上方最新一句頂在最上面不用滾動就能看到當(dāng)前內(nèi)容追加并校正新句子入列的同時持續(xù)修正上一句的識別錯誤多人訪談、術(shù)語多的會議用它成稿最接近人工記錄但對硬件要求更高兩個配套能力實時寫文件偏好設(shè)置里開啟實時轉(zhuǎn)錄導(dǎo)出文字邊生成邊寫進(jìn)一個 TXT 文件OBS 這類軟件可以直接讀它做字幕源開了翻譯的話譯文單獨落在.translated.txt里演示窗口打開后文字直接投到大屏現(xiàn)場演講、會議展示時觀眾能同步看到多人對話分不清誰說了什么查看器里的說話人識別能自動區(qū)分并標(biāo)注不同說話人。視頻字幕怎么壓出標(biāo)準(zhǔn)換行字幕質(zhì)量取決于兩個開關(guān)的組合高級設(shè)置里打開詞級時間戳——Buzz 給每個詞打上獨立時間戳這是細(xì)粒度切句的前提。轉(zhuǎn)錄完成后用調(diào)整大小功能它按靜音間隔和標(biāo)點把散落的詞合并成長度合適的標(biāo)準(zhǔn)字幕行。不開這個開關(guān)字幕是一整團(tuán)開了就是一行行的標(biāo)準(zhǔn)長度。原始音頻還在的話合并時會額外分析音頻里的靜音斷行位置更準(zhǔn)。做完導(dǎo)出 SRT 或 VTT直接掛進(jìn)播放器或剪輯軟件。不想手動調(diào)buzz/plugins/transcript_resizer/plugin.py里的自動字幕調(diào)整插件能按規(guī)則自動切。新文件丟進(jìn)去自動轉(zhuǎn)批量歸檔怎么辦固定目錄持續(xù)落錄音的工作流用監(jiān)聽文件夾最省心偏好設(shè)置里指定一個目錄Buzz 檢測到新音頻就自動建轉(zhuǎn)錄任務(wù)你只管往里扔文件。配合**跳過已轉(zhuǎn)錄文件插件**buzz/plugins/skip_already_transcribed/重復(fù)導(dǎo)入同一批文件時只要發(fā)現(xiàn)旁邊已有同名的 .txt / .srt / .vtt 結(jié)果文件或數(shù)據(jù)庫里有記錄直接復(fù)用、不再跑模型批量重跑幾乎零成本。同樣的事命令行一句話搞定適合寫進(jìn)腳本做定時歸檔buzz add --task transcribe --model-size small \ --srt --vtt /path/to/audio.mp3常用參數(shù)-l指定語言、-w開詞級時間戳、-e轉(zhuǎn)錄前先做語音提取、--hfid指定 HuggingFace 模型 ID、--hide-gui跑完即退不出窗口。完整參數(shù)表見 docs/docs/cli.md。效率調(diào)優(yōu)四個最值得動的開關(guān)模型后端偏好設(shè)置 → 模型——決定硬件怎么跑Whisper.cpp 是 C 實現(xiàn)Nvidia 走 CUDAAMD / Intel 顯卡和核顯走 VulkanMac 上是最佳選擇帶核顯的筆記本也能跑實時轉(zhuǎn)錄Faster Whisper 是優(yōu)化版快一個數(shù)量級且更省內(nèi)存前提是 Nvidia 顯存 ≥ 6GB原版 Whisper 準(zhǔn)確但慢、吃內(nèi)存HuggingFace 類型支持 Parakeet、MMS1000 語言等定制模型適合特定語種優(yōu)化。模型大小——草稿用 tiny / base 控耗時終稿用 medium / large 換準(zhǔn)確率實時錄音必須小模型才跟得上語速。large 系列里L(fēng)arge-V2 最穩(wěn)Large-V3 很多語種最準(zhǔn)但偶爾會幻聽出音頻里沒有的詞Turbo 取速度和準(zhǔn)確率的中間值。最保險的辦法是拿自己的語言各測一遍。語言與初始提示——語言手動指定人名、產(chǎn)品名這類專有名詞總被轉(zhuǎn)錯時在高級設(shè)置的初始提示里填上正確拼寫模型會照著提示來。噪聲與顯存——嘈雜錄音打開語音提取先把人聲從背景里剝離再轉(zhuǎn)錄顯存不夠時換量化版本模型如q_5或在偏好設(shè)置里開降低 GPU 內(nèi)存占用用 8 位量化省顯存。常見坑問答轉(zhuǎn)錄太慢怎么辦換更小的模型CPU 上調(diào)BUZZ_WHISPERCPP_N_THREADSWhisper.cpp 線程數(shù)16 線程機(jī)器設(shè)為 8 大約提速 15%。老 GPU 上反而更卡老顯卡走 GPU 可能不如 CPU設(shè)BUZZ_FORCE_CPUtrue強(qiáng)制走 CPU。模型下載慢 / 超時設(shè)HF_ENDPOINThttps://hf-mirror.com走鏡像。麥克風(fēng)報錯如 PaErrorCode-9999多半是系統(tǒng)隱私設(shè)置擋了權(quán)限Windows 到設(shè)置 → 隱私 → 麥克風(fēng)給 Buzz 授權(quán)殺毒軟件也會攔截可臨時關(guān)掉驗證。應(yīng)用閃退多半是模型文件下載不完整偏好設(shè)置 → 模型 里刪除后重新下載。提示不支持、無法啟動Buzz 依賴 CPU 的 AVX2 指令集太老的機(jī)器跑不了。怎么選接著讀什么云端轉(zhuǎn)錄服務(wù)要上傳音頻、按量計費whisper 這類純命令行工具一條命令批量跑但沒有實時錄音也沒有界面。Buzz 卡在兩者中間隱私、實時、免折騰全都要而且免費。延伸閱讀docs/docs/官方文檔含中文安裝、使用、偏好設(shè)置與環(huán)境變量說明docs/docs/cli.mdCLI 完整參數(shù)表與示例寫定時歸檔腳本前查這里buzz/transcriber/轉(zhuǎn)錄核心邏輯各 Whisper 后端實現(xiàn)都在這里buzz/plugins/插件系統(tǒng)源碼AI 摘要、字幕自動調(diào)整等插件的實現(xiàn)scripts/download-models.py離線模型預(yù)打包腳本面向無網(wǎng)機(jī)器【免費下載鏈接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.項目地址: https://gitcode.com/GitHub_Trending/buz/buzz創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考