Buzz 实战指南离线语音转写与 Whisper 本地翻译的完整方案【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会议录音、课程音频、本地视频——把这些声音变成字幕时上传到云端服务总有隐私与网络顾虑。Buzz 是一个离线语音转写工具它把 OpenAI Whisper 模型跑在你自己的电脑上音频、视频甚至 YouTube 链接都能在本地转成文本或翻译成英文界面支持中文在内的 14 种语言。先看懂几个关键数字这一节用一组事实帮你 30 秒判断它是否够用当前版本1.4.5提供5 种 Whisper 后端原始 Whisper、Faster Whisper、Whisper.cpp、HuggingFace Transformers、OpenAI API模型从tiny到large-v3和turbo全可选通过 HuggingFace 后端的 MMS 系列可覆盖1000 多种语言转写结果可导出 TXT、SRT、VTT、JSON 四种格式播放器支持 0.5x–2.0x 变速仓库内置 6 个插件AI 摘要、转写重排、DOCX 导出等。原理一次讲透五种后端与本地数据流Buzz 的核心思路是一套 GUI多个推理引擎由 buzz/transcriber/ 目录统一管理WhisperOpenAI 原版最准也最慢吃内存Faster WhisperCTranslate2 优化版需要 N 卡且至少 6GB 显存官方 FAQ 推荐有显卡的用户选它Whisper.cppC 实现支持 Vulkan 加速核显 Mac 和纯 CPU 也能实时转写是默认推荐HuggingFace基于 Transformers支持 Whisper 兼容模型、PEFT 微调、Parakeet、Qwen3-ASR 等OpenAI API不想吃本地算力时走云端。精度增强靠前置处理转录前可用 Demucsdemucs_repo/做人声分离嘈杂音频效果更好1.3.0 起支持1.2.0 起可用 ctc_forced_aligner/ 做词级时间戳转写完还能基于 whisper-diarization 做说话人分离把多段合并到同一人名下Intel Mac 暂不支持。所有任务、分段数据存在本地 SQLitedb/ 模块见 schema.sql模型缓存在~/.cache/Buzz配合 scripts/download-models.py 可以整份搬到断网机器上用——这是它离线二字成立的关键。最快上手步骤三条命令跑通最小流程需要 Python 3.12 和 ffmpegpip install buzz-captionspython -m buzzGUI 里选文件、语言、模型点 Run或直接用命令行一步转写并导出字幕buzz add --model-type whispercpp --model-size small --srt --vtt 音频文件.mp3Linux 用户更省事flatpak install flathub io.github.chidiwilliams.Buzz。完整参数见 docs/docs/cli.md。进阶与取舍跑通之后值得试的监控文件夹自动转写新文件、YouTube 链接导入、麦克风实时转写 演示窗口会议现场大字幕、plugins/ 下的 AI 摘要和自动字幕重排。取舍也要心里有数Buzz 要求 CPU 支持 AVX2老机器跑不起来Faster Whisper 要 6GB 显存没有 N 卡就用 Whisper.cpp官方文档明确提醒实时转写资源开销大默认 Whisper 不适合低配机器小模型 Whisper.cpp 是实时场景的正确组合。它适合有隐私要求、需要批量处理本地音视频的个人和小团队如果你要的是云端高并发 API 服务它不是目标产品。一句话定位Buzz 是 Whisper 的本地化全家桶——离线、多后端、可脚本化。更多细节见 README.md仓库地址git clone https://gitcode.com/GitHub_Trending/buz/buzz【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