Buzz 离线语音转写完全指南三步跑通 Faster-Whisper 本地转录【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飞机起飞后网络断开你还得把一小时的访谈录音整理成文字笔记。Buzz 就是为这种时刻准备的离线语音转写工具它接入 Faster-Whisper音频全程在你自己的电脑上处理不依赖网络速度比原版 Whisper 快 2-4 倍。本文带你从克隆仓库到跑出第一份文本。准备工作三步装好依赖先确认本机装了 Python 3.12项目在pyproject.toml中锁定了这个版本以及ffmpeg用来解码音频。然后按最短路径走三步git clone https://gitcode.com/GitHub_Trending/buz/buzz cd buzz python -m venv .venv source .venv/bin/activate pip install -e . pip install faster-whisper前两条命令克隆仓库并进入目录第三条建好虚拟环境并激活第四条按项目清单装齐全部依赖最后一条单独装上转写引擎 faster-whisperpip install -e .其实已包含它单独装一遍可以确认版本就绪。Windows 用户把激活命令换成venv\Scripts\activate即可。第一次离线转录从音频文件到文本用python main.py启动 Buzz。接下来沿一条主线走点击主窗口左上角的按钮选中一个音频文件MP3、WAV、FLAC 等都支持。在弹出的文件转写表单里Group下拉框选Faster Whisper选好模型大小。Language选音频实际语言留空则自动检测Task选Transcribe转录或Translate to English翻译成英文。点OK任务进入主界面的任务队列进度条实时刷新。注意首次使用某个模型时Buzz 会先把模型文件下载到本地缓存Buzz 的 models 目录可用环境变量BUZZ_MODEL_ROOT改位置下载完才开始转写。完成后音频同目录会生成.txt/.srt/.vtt文件双击任务行即可在查看器里对照播放喜欢命令行的话一条命令也能跑buzz add是命令行入口见 buzz/cli.pybuzz add -m fasterwhisper -s medium -l zh interview.mp3 --txt按配置挑模型大多数人直接选哪个模型大小直接决定速度、内存和磁盘占用Buzz 内置的各档位体积如下数据来自 buzz/model_loader.py模型下载体积特点Tiny约 73 MB最快中文场景准确率一般Base约 139 MB速度与准确率的平衡点Small约 462 MB准确率明显提升CPU 也能跑Medium约 1.5 GB多数人的最佳选择Large / Large-v3-turbo约 2.9 GB / 1.6 GB质量最高吃配置不用纠结直接按这个结论选带 NVIDIA 显卡的笔记本选 Medium纯 CPU 的办公机选 Base 或 Small只有专门搭转写机器的场景才碰 Large。选完在偏好设置的 Models 页点Download即可进阶调优只讲三件事并行处理——什么时候需要一次丢进很多文件时。改哪里Buzz 的任务队列默认串行执行没有公开线程数设置多文件排队即可。怎么判断已生效主界面状态列依次从Queued变为In progress内存不超就是合适档位。compute_type计算精度直接关系速度和内存——什么时候需要8GB 内存的机器加载 Medium 吃紧时。改哪里转写表单勾选Reduce memory usageBuzz 会自动切到 CPU 的int8或 GPU 的int8_float16。怎么判断已生效终端日志出现Using int8 compute type且不再报内存不足。GPU 加速——什么时候需要有 NVIDIA 显卡且装了 CUDA 环境。改哪里不用改Buzz 默认deviceauto自动检测。怎么判断已生效任务运行时nvidia-smi能看到 GPU 占用同一文件明显比纯 CPU 快。避坑指南模型下载失败——原因网络不稳中途断连。处理Buzz 自带 3 次自动重试且已下部分保留在缓存里可断点续传重新点Download即可反复失败就手动下载对应Systran/faster-whisper-模型名仓库的模型包放进 Buzz 的 models 目录。转录速度慢——原因CPU 上跑了大模型或精度偏高。处理勾选Reduce memory usage换 int8 推理或把模型降到 Small/Base。结果不准——原因语言选错、环境噪音大。处理Language明确选定而非自动检测换更大一档模型嘈杂录音先在表单启用语音提取extract speech降噪。收尾到这里一台断网的电脑就能完成从录音到带时间戳文本的完整闭环转写、翻译全程本地执行。更多细节可查 官方文档 docs/想弄清转写流程的实现可以看 buzz/transcriber/ 目录。现在挑一个手头的音频文件把 Medium 下下来跑通你的第一份离线转录 【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 离线语音转写完全指南：三步跑通 Faster-Whisper 本地转录
Buzz 离线语音转写完全指南三步跑通 Faster-Whisper 本地转录【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飞机起飞后网络断开你还得把一小时的访谈录音整理成文字笔记。Buzz 就是为这种时刻准备的离线语音转写工具它接入 Faster-Whisper音频全程在你自己的电脑上处理不依赖网络速度比原版 Whisper 快 2-4 倍。本文带你从克隆仓库到跑出第一份文本。准备工作三步装好依赖先确认本机装了 Python 3.12项目在pyproject.toml中锁定了这个版本以及ffmpeg用来解码音频。然后按最短路径走三步git clone https://gitcode.com/GitHub_Trending/buz/buzz cd buzz python -m venv .venv source .venv/bin/activate pip install -e . pip install faster-whisper前两条命令克隆仓库并进入目录第三条建好虚拟环境并激活第四条按项目清单装齐全部依赖最后一条单独装上转写引擎 faster-whisperpip install -e .其实已包含它单独装一遍可以确认版本就绪。Windows 用户把激活命令换成venv\Scripts\activate即可。第一次离线转录从音频文件到文本用python main.py启动 Buzz。接下来沿一条主线走点击主窗口左上角的按钮选中一个音频文件MP3、WAV、FLAC 等都支持。在弹出的文件转写表单里Group下拉框选Faster Whisper选好模型大小。Language选音频实际语言留空则自动检测Task选Transcribe转录或Translate to English翻译成英文。点OK任务进入主界面的任务队列进度条实时刷新。注意首次使用某个模型时Buzz 会先把模型文件下载到本地缓存Buzz 的 models 目录可用环境变量BUZZ_MODEL_ROOT改位置下载完才开始转写。完成后音频同目录会生成.txt/.srt/.vtt文件双击任务行即可在查看器里对照播放喜欢命令行的话一条命令也能跑buzz add是命令行入口见 buzz/cli.pybuzz add -m fasterwhisper -s medium -l zh interview.mp3 --txt按配置挑模型大多数人直接选哪个模型大小直接决定速度、内存和磁盘占用Buzz 内置的各档位体积如下数据来自 buzz/model_loader.py模型下载体积特点Tiny约 73 MB最快中文场景准确率一般Base约 139 MB速度与准确率的平衡点Small约 462 MB准确率明显提升CPU 也能跑Medium约 1.5 GB多数人的最佳选择Large / Large-v3-turbo约 2.9 GB / 1.6 GB质量最高吃配置不用纠结直接按这个结论选带 NVIDIA 显卡的笔记本选 Medium纯 CPU 的办公机选 Base 或 Small只有专门搭转写机器的场景才碰 Large。选完在偏好设置的 Models 页点Download即可进阶调优只讲三件事并行处理——什么时候需要一次丢进很多文件时。改哪里Buzz 的任务队列默认串行执行没有公开线程数设置多文件排队即可。怎么判断已生效主界面状态列依次从Queued变为In progress内存不超就是合适档位。compute_type计算精度直接关系速度和内存——什么时候需要8GB 内存的机器加载 Medium 吃紧时。改哪里转写表单勾选Reduce memory usageBuzz 会自动切到 CPU 的int8或 GPU 的int8_float16。怎么判断已生效终端日志出现Using int8 compute type且不再报内存不足。GPU 加速——什么时候需要有 NVIDIA 显卡且装了 CUDA 环境。改哪里不用改Buzz 默认deviceauto自动检测。怎么判断已生效任务运行时nvidia-smi能看到 GPU 占用同一文件明显比纯 CPU 快。避坑指南模型下载失败——原因网络不稳中途断连。处理Buzz 自带 3 次自动重试且已下部分保留在缓存里可断点续传重新点Download即可反复失败就手动下载对应Systran/faster-whisper-模型名仓库的模型包放进 Buzz 的 models 目录。转录速度慢——原因CPU 上跑了大模型或精度偏高。处理勾选Reduce memory usage换 int8 推理或把模型降到 Small/Base。结果不准——原因语言选错、环境噪音大。处理Language明确选定而非自动检测换更大一档模型嘈杂录音先在表单启用语音提取extract speech降噪。收尾到这里一台断网的电脑就能完成从录音到带时间戳文本的完整闭环转写、翻译全程本地执行。更多细节可查 官方文档 docs/想弄清转写流程的实现可以看 buzz/transcriber/ 目录。现在挑一个手头的音频文件把 Medium 下下来跑通你的第一份离线转录 【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 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
