尧图网站建设 
Buzz 离线语音转写快速上手完整指南【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一份两小时的会议录音要在下班前变成文字稿一集长播客想拆成可编辑的文稿——逐句手敲显然不现实。Buzz 把这件事接了过去它基于 OpenAI 的 Whisper 模型在你的个人电脑上完成离线语音转写和翻译音频不上传任何云端断网也能跑。能力速览Buzz 是一个桌面应用核心动作就三类导入音视频做转写与翻译、麦克风实时录音转写、对已有文稿做搜索、改句长、识别说话人。它同时接入多个转写后端其中 Faster-Whisper 基于 CTranslate2一个专门加速语音模型推理的引擎实现对你来说意味着更短的等待和更低的内存占用。选哪个模型先对照这张表模型体积速度准确度建议场景tiny约 75 MB最快最低低配机器试跑base约 145 MB快一般日常会议速记small约 485 MB均衡较好多数场景的起点medium约 1.5 GB偏慢高需要精细文稿的内容large-v3约 3 GB最慢最高专业级要求开始前的准备先确认两件事系统装好了 ffmpegBuzz 靠它读取音频Python 环境是 3.12。然后在终端里装好并启动pip install buzz-captions python -m buzz当前发布版本为 1.4.5。依赖清单含 faster-whisper、ctranslate2 等都由包管理器一并拉取不需要单独安装。界面能正常打开就算准备就绪。三步跑通第一次转录装模型。打开 File → Preferences切到 Models 标签页在 Group 下拉里选 Faster-Whisper挑一个规格建议 medium点 Download。文件会存到系统缓存目录下的 models 子文件夹Linux/macOS 一般在~/.cache/buzzWindows 在 AppData 下。建任务。回到主界面点左上角的 选择音频文件。Buzz 支持 MP3、WAV、FLAC 等常见格式。弹窗里确认两件事Language 选音频本身的语言Task 选 transcribe转写原文或 translate翻译成英文。看结果。点 OK 后任务进入队列主界面这一行会显示实时进度。完成后点击该行的查看按钮打开的是带时间戳的分段文稿可以跟着音频逐段播放核对再导出为 TXT、SRT 或 VTT。按机器提速这一步解决的是同一台机器怎么转得更快。关键旋钮只有一个compute type即模型推理时的数值精度——float32 最稳但最重float16 在 GPU 上最快int8 做量化后 CPU 也能跑得动大模型。你的机器怎么选纯 CPU 低配换 small/base 模型或保持 medium 但精度降到 int8CPU 内存 16 GB 以上medium int8速度和内存基本够用NVIDIA 显卡 CUDA精度调 float16large-v3 也能跑显卡显存吃紧、任务崩溃从 float16 退回 int8显存占用明显下降写成配置就两行以内compute_type int8 # 无显卡或显存不足 compute_type float16 # NVIDIA GPU 加速其余提速手段其实就两条任务少排队一次别塞几十个文件别和重活抢资源。遇到问题现象可能原因解决动作模型下载卡住或中断网络不稳定手动下载对应模型文件放进 models 缓存目录后重启 Buzz转写明显偏慢模型偏大或精度过高换小一档模型或把精度降到 int8结果错漏较多模型与音频复杂度不匹配升一档模型录音嘈杂时先检查音源质量GPU 任务报错、闪退显存不足或 CUDA 不匹配先切 int8仍不行就整体回到 CPU 运行写在最后先拿手边一段一分钟的录音走一遍完整流程确认速度符合预期再换成大模型处理正式内容。更多参数说明见 docs/ 目录转写各后端的实现代码都在 buzz/transcriber/ 下想核对行为时可以直接查。【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 Buzz 离线语音转写快速上手完整指南
Buzz 离线语音转写快速上手完整指南【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一份两小时的会议录音要在下班前变成文字稿一集长播客想拆成可编辑的文稿——逐句手敲显然不现实。Buzz 把这件事接了过去它基于 OpenAI 的 Whisper 模型在你的个人电脑上完成离线语音转写和翻译音频不上传任何云端断网也能跑。能力速览Buzz 是一个桌面应用核心动作就三类导入音视频做转写与翻译、麦克风实时录音转写、对已有文稿做搜索、改句长、识别说话人。它同时接入多个转写后端其中 Faster-Whisper 基于 CTranslate2一个专门加速语音模型推理的引擎实现对你来说意味着更短的等待和更低的内存占用。选哪个模型先对照这张表模型体积速度准确度建议场景tiny约 75 MB最快最低低配机器试跑base约 145 MB快一般日常会议速记small约 485 MB均衡较好多数场景的起点medium约 1.5 GB偏慢高需要精细文稿的内容large-v3约 3 GB最慢最高专业级要求开始前的准备先确认两件事系统装好了 ffmpegBuzz 靠它读取音频Python 环境是 3.12。然后在终端里装好并启动pip install buzz-captions python -m buzz当前发布版本为 1.4.5。依赖清单含 faster-whisper、ctranslate2 等都由包管理器一并拉取不需要单独安装。界面能正常打开就算准备就绪。三步跑通第一次转录装模型。打开 File → Preferences切到 Models 标签页在 Group 下拉里选 Faster-Whisper挑一个规格建议 medium点 Download。文件会存到系统缓存目录下的 models 子文件夹Linux/macOS 一般在~/.cache/buzzWindows 在 AppData 下。建任务。回到主界面点左上角的 选择音频文件。Buzz 支持 MP3、WAV、FLAC 等常见格式。弹窗里确认两件事Language 选音频本身的语言Task 选 transcribe转写原文或 translate翻译成英文。看结果。点 OK 后任务进入队列主界面这一行会显示实时进度。完成后点击该行的查看按钮打开的是带时间戳的分段文稿可以跟着音频逐段播放核对再导出为 TXT、SRT 或 VTT。按机器提速这一步解决的是同一台机器怎么转得更快。关键旋钮只有一个compute type即模型推理时的数值精度——float32 最稳但最重float16 在 GPU 上最快int8 做量化后 CPU 也能跑得动大模型。你的机器怎么选纯 CPU 低配换 small/base 模型或保持 medium 但精度降到 int8CPU 内存 16 GB 以上medium int8速度和内存基本够用NVIDIA 显卡 CUDA精度调 float16large-v3 也能跑显卡显存吃紧、任务崩溃从 float16 退回 int8显存占用明显下降写成配置就两行以内compute_type int8 # 无显卡或显存不足 compute_type float16 # NVIDIA GPU 加速其余提速手段其实就两条任务少排队一次别塞几十个文件别和重活抢资源。遇到问题现象可能原因解决动作模型下载卡住或中断网络不稳定手动下载对应模型文件放进 models 缓存目录后重启 Buzz转写明显偏慢模型偏大或精度过高换小一档模型或把精度降到 int8结果错漏较多模型与音频复杂度不匹配升一档模型录音嘈杂时先检查音源质量GPU 任务报错、闪退显存不足或 CUDA 不匹配先切 int8仍不行就整体回到 CPU 运行写在最后先拿手边一段一分钟的录音走一遍完整流程确认速度符合预期再换成大模型处理正式内容。更多参数说明见 docs/ 目录转写各后端的实现代码都在 buzz/transcriber/ 下想核对行为时可以直接查。【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