阿里开源Wan2.1-I2V：14B参数打破视频生成"闭源垄断"，消费级显卡即可运行

陈昊和

1279人浏览 · 2025-11-04 05:10:08

陈昊和 · 2025-11-04 05:10:08 发布

Buzz离线转录教程：不联网也能把音频变文字

【免费下载链接】buzz Buzz 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

Buzz 是一款用于离线转录的桌面应用，基于 OpenAI 的 Whisper 模型，所有转录过程都在你自己的电脑上完成，音频不会上传到任何服务器。它适合手上有会议录音、访谈素材或需要给视频加字幕、又不希望数据离开设备的用户。最直接的卖点是：全程不需要联网就能完成转写和字幕导出，结果自带每一句的时间戳。

一、它替你省掉的是什么

如果你经常要把会议录音或采访音频整理成文字稿，原来的做法大概是这样的：播放录音，听一句、敲一句，暂停，再听下一句，一小时的录音可能要敲两三个小时，而且手写的稿子没有时间标记，之后很难再对应回原文。用 Buzz 之后，把音频文件拖进任务列表，选一个模型，点 Run，几分钟后就得到一份带时间戳的文字初稿，你只需要对照着把错漏的几处改过来。

给视频做字幕也是类似的过程。老办法是打开字幕软件，一边回放视频一边逐行补字、手填起止时间。现在在 Buzz 里选中一个 MP4 或 MKV 文件，勾选“Word-Level Timings”，任务完成后在结果页点导出选 SRT，就会得到一份带时间码的字幕文件，可以直接拖进剪辑软件。

还有一种更即时的用法：实时转录。讲座或会议上，你过去只能边听边记速记，散场后再补录一遍。在 Buzz 里选中麦克风点 Record，语音会边听边变成文字；打开演示窗口，还可以把实时文稿投到屏幕上给现场的人看。

二、功能速览

功能	适合谁	怎么用
文件转录	有音视频文件要整理的人	把文件拖进列表，选模型和语言，点 Run
实时录音	会议、讲座、采访场景	选中麦克风点 Record，文字实时出现
字幕导出	做视频字幕的人	在结果页点导出，选 SRT 或 VTT
翻译成英文	有外语素材的人	新建任务时把 Task 选为 Translate to English
文件夹监视	录音量大、要批量处理的人	在偏好里设监视文件夹，新文件自动转录

三、三步上手

拿到软件

Windows 从发布页下载安装包运行，如果看到未签名应用的提示，选“更多信息”再点“仍要运行”。macOS 下载 .dmg 后拖进应用程序文件夹。Linux 有两个包格式可选：

flatpak install flathub io.github.chidiwilliams.Buzz

sudo snap install buzz

如果习惯自己搭环境，也可以用 pip 从 PyPI 安装 buzz-captions，再用 python -m buzz 启动（需要 Python 3.12）。

跑通第一次

打开主界面，点工具栏的 + 图标（或按 Ctrl/Cmd + O），选择一个音频或视频文件，在弹出的设置里选任务（转写或翻译成英文）、语言、模型。首次选择模型会下载模型文件，这一步需要联网一次。下载完成后点 Run，列表里该任务的状态会在处理结束后变为完成。

导出结果

状态显示完成后，双击该行打开结果页。点上方的导出按钮，可以把全文存成 TXT、SRT、VTT 等格式，文件名会按偏好里设置的导出模板生成。

四、界面带你看

偏好设置页

偏好设置页负责定义默认行为，按 Ctrl/Cmd + , 打开。你可以在这里做三件事：设置默认导出文件名模板、选择实时转录的模式（追加在下方、追加在上方、追加并纠错）、以及配置之后要用到的翻译接口地址和密钥。

模型管理

偏好里的 Models 标签页用来下载和删除模型。先在列表里查看已有哪些模型，选一个版本点下载，再点“Show file location”可以打开模型目录。想把 Buzz 用到一台完全离线的电脑上时，把这个目录复制到那台机器的相同位置即可。

结果页

结果页用来核对和修改文稿。双击任务进入后，可以直接在表格里改任意一段的文字，点某个时间戳能让音频跳到对应位置，按 Ctrl+F 还能在全文里搜索关键词。底部播放区支持 0.5 倍到 2 倍变速，方便逐句核对细节；觉得某条字幕太长或太短时，点 Resize 按钮可以按最长长度重新合并分句。

五、进阶技巧

手动指定语言：知道音频语言时直接选它，而不是用自动检测，识别准确率通常会更高。
按场景选模型：tiny、base 快，适合粗听和低配机器；medium 更准；large 准确率最高但耗时，留给重要素材。有 6GB 以上显存的 Nvidia 显卡可以选 Faster Whisper 引擎，否则 Whisper.cpp 最稳，集显笔记本也能跑实时转录。
加初始提示：在任务高级设置里填入容易写错的专有名词或术语，能减少人名、术语被听错的情况。
挂上文件夹监视：偏好里设好监视文件夹后，新丢进去的文件会自动转录，再配合“跳过已转录”插件可以避免重复处理。
启用插件：Help → Plugins 里打开 AI 摘要、DOCX 导出等插件，转录完成后可自动出摘要或存成 Word 文档。
录系统声音：要转录电脑里播放的视频或音频，先装一个虚拟音频设备（macOS 用 BlackHole，Windows 用 VB-CABLE），再把它选为 Buzz 的麦克风输入。

六、给开发者的路标

buzz/transcriber/：各转录引擎的实现代码，覆盖 Whisper、Whisper.cpp、Faster Whisper 与 OpenAI API。
buzz/widgets/：主窗口、偏好对话框、转录查看器等界面代码。
buzz/db/：基于 SQLite 的任务与结果存储，含表结构和迁移逻辑。
buzz/plugins/：插件基类与内置插件，写自定义插件可以从这里参考。
docs/：官方文档源码，包含安装、使用与常见问题。