音轉(zhuǎn)文字完整指南：本地 Whisper 轉(zhuǎn)錄與字幕生成)
Buzz 離線語(yǔ)音轉(zhuǎn)文字完整指南本地 Whisper 轉(zhuǎn)錄與字幕生成【免費(fèi)下載鏈接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/buz/buzz給兩小時(shí)的講座錄音出字幕先別急著把音頻傳云端。Buzz 是一款本地運(yùn)行的離線語(yǔ)音轉(zhuǎn)文字工具基于 OpenAI 的 Whisper 模型轉(zhuǎn)錄全程在機(jī)器里完成。云端轉(zhuǎn)錄 vs Buzz隱私、費(fèi)用、斷網(wǎng)三點(diǎn)差在哪兩套方案差別就三件事音頻存在哪、錢(qián)怎么算、斷網(wǎng)了怎么辦。云端服務(wù)把完整音頻送到遠(yuǎn)程服務(wù)器隱私交給第三方賬單跟著音頻時(shí)長(zhǎng)和調(diào)用量走用得多花得多網(wǎng)絡(luò)一斷離線機(jī)器只能干瞪眼。Buzz 把這三條反過(guò)來(lái)做文件不出本機(jī)不分鐘計(jì)費(fèi)模型緩存完就照跑。云端轉(zhuǎn)錄服務(wù)Buzz音頻上傳遠(yuǎn)程服務(wù)器處理平臺(tái)留存處理記錄只在本地處理文件不離開(kāi)機(jī)器按音頻時(shí)長(zhǎng)或調(diào)用量計(jì)費(fèi)量越大越貴免費(fèi)開(kāi)源不按次收錢(qián)必須在線斷網(wǎng)即不可用模型緩存后離線照常轉(zhuǎn)錄Windows、macOS、Linux 三種裝法三個(gè)平臺(tái)都有現(xiàn)成安裝包差別只在裝法。Windows未簽名警告這樣處理從發(fā)布渠道拿到安裝程序直接運(yùn)行。程序沒(méi)有簽名安裝時(shí)會(huì)彈出安全警告點(diǎn)更多信息再選仍要運(yùn)行即可繼續(xù)。macOS拖進(jìn) .dmg 就行下載 .dmg 后拖進(jìn)應(yīng)用程序文件夾即可。注意較新版本只面向 Apple SiliconIntel Mac 只能裝到 1.4.5 為止的舊版。Linux一條命令裝好flatpak install flathub io.github.chidiwilliams.Buzz不管哪個(gè)平臺(tái)第一次啟動(dòng)都要進(jìn)模型設(shè)置挑一個(gè)模型下載緩存之后斷網(wǎng)也能用。音頻進(jìn)去文字出來(lái)輸入、引擎、加工三層看流程分三層看喂什么素材進(jìn)去、哪個(gè)引擎干活、出來(lái)的文字怎么收拾。輸入層。三類(lèi)素材都能進(jìn)本地音頻WAV、MP3、FLAC 這類(lèi)格式直接導(dǎo)入視頻文件MP4、AVI 直接抽音軌轉(zhuǎn)錄在線鏈接貼一個(gè) YouTube 地址自動(dòng)下載再轉(zhuǎn)錄引擎層。后端共四種都屬 Whisper 家族OpenAI Whisper原版Faster Whisper速度優(yōu)先適合 6GB 以上顯存的獨(dú)顯Whisper.cppC 實(shí)現(xiàn)最省資源Mac 與集顯的推薦選擇Hugging Face 兼容模型另支持接 OpenAI API 走服務(wù)端有 NVIDIA 獨(dú)顯的話開(kāi) CUDA 加速出字速度能快一截。實(shí)時(shí)場(chǎng)景有錄音轉(zhuǎn)錄模式邊說(shuō)邊出字配一個(gè)投大屏的演示窗口文字還能實(shí)時(shí)導(dǎo)成 TXT 喂給 OBS。吵的錄音先跑語(yǔ)音分離再轉(zhuǎn)錄多人對(duì)話能標(biāo)出不同說(shuō)話人。加工層。文字出來(lái)還沒(méi)完轉(zhuǎn)錄查看器能搜索、播放、調(diào)倍速文字與時(shí)間戳逐段可改導(dǎo)出有三種格式TXT 對(duì)應(yīng)文稿SRT 與 VTT 對(duì)應(yīng)字幕字幕 Resize長(zhǎng)行按標(biāo)點(diǎn)拆、短行合并、顯示時(shí)長(zhǎng)延長(zhǎng)文件夾監(jiān)控文件丟進(jìn)去自動(dòng)轉(zhuǎn)錄命令行接口能嵌進(jìn)自動(dòng)化腳本插件系統(tǒng)還有 AI 摘要這類(lèi)擴(kuò)展五個(gè)模型大小速度對(duì)照選模型其實(shí)是一道權(quán)衡題硬件愿意為準(zhǔn)確率讓出多少。模型大小速度準(zhǔn)確度tiny約 75MB最快一般base約 142MB快可用small約 466MB中等較好medium約 1.5GB慢高large約 2.9GB最慢最高平時(shí)速記選 base 或 small值得反復(fù)聽(tīng)的重要資料再上 large。轉(zhuǎn)錄慢別先怪模型把后端切到 Whisper.cpp它更快也更省內(nèi)存。幾個(gè)值得動(dòng)一次的設(shè)置語(yǔ)言別依賴自動(dòng)檢測(cè)手動(dòng)選定一種口音重的素材更穩(wěn)初始提示把人名、術(shù)語(yǔ)填進(jìn)去專有名詞的錯(cuò)字會(huì)少一截詞級(jí)時(shí)間戳后面要逐詞精調(diào)字幕才開(kāi)平時(shí)關(guān)著三種角色的典型用法同一個(gè)工具三種角色各有一套用法。訪談研究員整理多人對(duì)話。需求兩小時(shí)訪談變成帶說(shuō)話人標(biāo)記的文字稿。操作轉(zhuǎn)錄前打開(kāi)語(yǔ)音分離文字出來(lái)后在轉(zhuǎn)錄查看器里逐段指定說(shuō)話人再導(dǎo)出 TXT。產(chǎn)出帶時(shí)間戳、區(qū)分發(fā)言人 A / B的文字稿可邊聽(tīng)邊改。播客剪輯師出字幕文件。需求兩小時(shí)節(jié)目配一份能直接進(jìn)剪輯軟件的字幕。操作拖入 MP3語(yǔ)言手動(dòng)選中文詞級(jí)時(shí)間戳打開(kāi)格式選 SRT再用 Resize 按標(biāo)點(diǎn)拆行、限制每行長(zhǎng)度。產(chǎn)出時(shí)間碼對(duì)齊的 SRT導(dǎo)入即用?；顒?dòng)組織者現(xiàn)場(chǎng)大字幕。需求把現(xiàn)場(chǎng)發(fā)言即時(shí)打到屏上。操作選錄音轉(zhuǎn)錄任務(wù)選好麥克風(fēng)打開(kāi)演示窗口點(diǎn)錄制同時(shí)啟用實(shí)時(shí)文本導(dǎo)出。產(chǎn)出大屏字幕畫(huà)面外加一份可供 OBS 同步的 TXT。四個(gè)高頻坑先給結(jié)論再排查這四個(gè)問(wèn)題出現(xiàn)頻率最高每個(gè)都先給結(jié)論再按順序查。轉(zhuǎn)錄不準(zhǔn)。結(jié)論先別換模型。依次查語(yǔ)言有沒(méi)有手動(dòng)指定、錄音是否嘈雜開(kāi)語(yǔ)音分離、模型是否偏小升一級(jí)試試。專有名詞反復(fù)錯(cuò)把那幾個(gè)詞直接填進(jìn)初始提示。完全斷網(wǎng)的機(jī)器。結(jié)論可以用。先在有網(wǎng)電腦下好模型從偏好設(shè)置 → 模型 → 顯示文件位置打開(kāi)模型文件夾整體拷到離線機(jī)同一路徑。倉(cāng)庫(kù)里的模型批量下載腳本能一次備齊多個(gè)后端。轉(zhuǎn)錄太慢、機(jī)器卡。結(jié)論換后端或降模型。先切 Whisper.cpp或把模型降一級(jí)NVIDIA 獨(dú)顯顯存 6GB 以上可試 Faster Whisper。實(shí)時(shí)錄音轉(zhuǎn)錄務(wù)必選小模型否則跟不上說(shuō)話速度。錄音沒(méi)聲音、報(bào) PaErrorCode。結(jié)論多半是麥克風(fēng)權(quán)限。系統(tǒng)隱私設(shè)置里先放行 Buzz 使用麥克風(fēng)再排除殺毒軟件的攔截。三步上手?jǐn)?shù)據(jù)留在本機(jī)三步就能上手裝好 Buzz 導(dǎo)入一段短音頻選 base 模型點(diǎn)運(yùn)行完成后雙擊結(jié)果核對(duì)順手導(dǎo)出文件。想深入某個(gè)功能先翻官方文檔目錄和命令行接口說(shuō)明。從這一天起你錄的每一段音、每一場(chǎng)會(huì)文字和字幕都留在自己機(jī)器上?！久赓M(fèi)下載鏈接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.項(xiàng)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(yǔ)音轉(zhuǎn)文字完整指南：本地 Whisper 轉(zhuǎn)錄與字幕生成
Buzz 離線語(yǔ)音轉(zhuǎn)文字完整指南本地 Whisper 轉(zhuǎn)錄與字幕生成【免費(fèi)下載鏈接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/buz/buzz給兩小時(shí)的講座錄音出字幕先別急著把音頻傳云端。Buzz 是一款本地運(yùn)行的離線語(yǔ)音轉(zhuǎn)文字工具基于 OpenAI 的 Whisper 模型轉(zhuǎn)錄全程在機(jī)器里完成。云端轉(zhuǎn)錄 vs Buzz隱私、費(fèi)用、斷網(wǎng)三點(diǎn)差在哪兩套方案差別就三件事音頻存在哪、錢(qián)怎么算、斷網(wǎng)了怎么辦。云端服務(wù)把完整音頻送到遠(yuǎn)程服務(wù)器隱私交給第三方賬單跟著音頻時(shí)長(zhǎng)和調(diào)用量走用得多花得多網(wǎng)絡(luò)一斷離線機(jī)器只能干瞪眼。Buzz 把這三條反過(guò)來(lái)做文件不出本機(jī)不分鐘計(jì)費(fèi)模型緩存完就照跑。云端轉(zhuǎn)錄服務(wù)Buzz音頻上傳遠(yuǎn)程服務(wù)器處理平臺(tái)留存處理記錄只在本地處理文件不離開(kāi)機(jī)器按音頻時(shí)長(zhǎng)或調(diào)用量計(jì)費(fèi)量越大越貴免費(fèi)開(kāi)源不按次收錢(qián)必須在線斷網(wǎng)即不可用模型緩存后離線照常轉(zhuǎn)錄Windows、macOS、Linux 三種裝法三個(gè)平臺(tái)都有現(xiàn)成安裝包差別只在裝法。Windows未簽名警告這樣處理從發(fā)布渠道拿到安裝程序直接運(yùn)行。程序沒(méi)有簽名安裝時(shí)會(huì)彈出安全警告點(diǎn)更多信息再選仍要運(yùn)行即可繼續(xù)。macOS拖進(jìn) .dmg 就行下載 .dmg 后拖進(jìn)應(yīng)用程序文件夾即可。注意較新版本只面向 Apple SiliconIntel Mac 只能裝到 1.4.5 為止的舊版。Linux一條命令裝好flatpak install flathub io.github.chidiwilliams.Buzz不管哪個(gè)平臺(tái)第一次啟動(dòng)都要進(jìn)模型設(shè)置挑一個(gè)模型下載緩存之后斷網(wǎng)也能用。音頻進(jìn)去文字出來(lái)輸入、引擎、加工三層看流程分三層看喂什么素材進(jìn)去、哪個(gè)引擎干活、出來(lái)的文字怎么收拾。輸入層。三類(lèi)素材都能進(jìn)本地音頻WAV、MP3、FLAC 這類(lèi)格式直接導(dǎo)入視頻文件MP4、AVI 直接抽音軌轉(zhuǎn)錄在線鏈接貼一個(gè) YouTube 地址自動(dòng)下載再轉(zhuǎn)錄引擎層。后端共四種都屬 Whisper 家族OpenAI Whisper原版Faster Whisper速度優(yōu)先適合 6GB 以上顯存的獨(dú)顯Whisper.cppC 實(shí)現(xiàn)最省資源Mac 與集顯的推薦選擇Hugging Face 兼容模型另支持接 OpenAI API 走服務(wù)端有 NVIDIA 獨(dú)顯的話開(kāi) CUDA 加速出字速度能快一截。實(shí)時(shí)場(chǎng)景有錄音轉(zhuǎn)錄模式邊說(shuō)邊出字配一個(gè)投大屏的演示窗口文字還能實(shí)時(shí)導(dǎo)成 TXT 喂給 OBS。吵的錄音先跑語(yǔ)音分離再轉(zhuǎn)錄多人對(duì)話能標(biāo)出不同說(shuō)話人。加工層。文字出來(lái)還沒(méi)完轉(zhuǎn)錄查看器能搜索、播放、調(diào)倍速文字與時(shí)間戳逐段可改導(dǎo)出有三種格式TXT 對(duì)應(yīng)文稿SRT 與 VTT 對(duì)應(yīng)字幕字幕 Resize長(zhǎng)行按標(biāo)點(diǎn)拆、短行合并、顯示時(shí)長(zhǎng)延長(zhǎng)文件夾監(jiān)控文件丟進(jìn)去自動(dòng)轉(zhuǎn)錄命令行接口能嵌進(jìn)自動(dòng)化腳本插件系統(tǒng)還有 AI 摘要這類(lèi)擴(kuò)展五個(gè)模型大小速度對(duì)照選模型其實(shí)是一道權(quán)衡題硬件愿意為準(zhǔn)確率讓出多少。模型大小速度準(zhǔn)確度tiny約 75MB最快一般base約 142MB快可用small約 466MB中等較好medium約 1.5GB慢高large約 2.9GB最慢最高平時(shí)速記選 base 或 small值得反復(fù)聽(tīng)的重要資料再上 large。轉(zhuǎn)錄慢別先怪模型把后端切到 Whisper.cpp它更快也更省內(nèi)存。幾個(gè)值得動(dòng)一次的設(shè)置語(yǔ)言別依賴自動(dòng)檢測(cè)手動(dòng)選定一種口音重的素材更穩(wěn)初始提示把人名、術(shù)語(yǔ)填進(jìn)去專有名詞的錯(cuò)字會(huì)少一截詞級(jí)時(shí)間戳后面要逐詞精調(diào)字幕才開(kāi)平時(shí)關(guān)著三種角色的典型用法同一個(gè)工具三種角色各有一套用法。訪談研究員整理多人對(duì)話。需求兩小時(shí)訪談變成帶說(shuō)話人標(biāo)記的文字稿。操作轉(zhuǎn)錄前打開(kāi)語(yǔ)音分離文字出來(lái)后在轉(zhuǎn)錄查看器里逐段指定說(shuō)話人再導(dǎo)出 TXT。產(chǎn)出帶時(shí)間戳、區(qū)分發(fā)言人 A / B的文字稿可邊聽(tīng)邊改。播客剪輯師出字幕文件。需求兩小時(shí)節(jié)目配一份能直接進(jìn)剪輯軟件的字幕。操作拖入 MP3語(yǔ)言手動(dòng)選中文詞級(jí)時(shí)間戳打開(kāi)格式選 SRT再用 Resize 按標(biāo)點(diǎn)拆行、限制每行長(zhǎng)度。產(chǎn)出時(shí)間碼對(duì)齊的 SRT導(dǎo)入即用?；顒?dòng)組織者現(xiàn)場(chǎng)大字幕。需求把現(xiàn)場(chǎng)發(fā)言即時(shí)打到屏上。操作選錄音轉(zhuǎn)錄任務(wù)選好麥克風(fēng)打開(kāi)演示窗口點(diǎn)錄制同時(shí)啟用實(shí)時(shí)文本導(dǎo)出。產(chǎn)出大屏字幕畫(huà)面外加一份可供 OBS 同步的 TXT。四個(gè)高頻坑先給結(jié)論再排查這四個(gè)問(wèn)題出現(xiàn)頻率最高每個(gè)都先給結(jié)論再按順序查。轉(zhuǎn)錄不準(zhǔn)。結(jié)論先別換模型。依次查語(yǔ)言有沒(méi)有手動(dòng)指定、錄音是否嘈雜開(kāi)語(yǔ)音分離、模型是否偏小升一級(jí)試試。專有名詞反復(fù)錯(cuò)把那幾個(gè)詞直接填進(jìn)初始提示。完全斷網(wǎng)的機(jī)器。結(jié)論可以用。先在有網(wǎng)電腦下好模型從偏好設(shè)置 → 模型 → 顯示文件位置打開(kāi)模型文件夾整體拷到離線機(jī)同一路徑。倉(cāng)庫(kù)里的模型批量下載腳本能一次備齊多個(gè)后端。轉(zhuǎn)錄太慢、機(jī)器卡。結(jié)論換后端或降模型。先切 Whisper.cpp或把模型降一級(jí)NVIDIA 獨(dú)顯顯存 6GB 以上可試 Faster Whisper。實(shí)時(shí)錄音轉(zhuǎn)錄務(wù)必選小模型否則跟不上說(shuō)話速度。錄音沒(méi)聲音、報(bào) PaErrorCode。結(jié)論多半是麥克風(fēng)權(quán)限。系統(tǒng)隱私設(shè)置里先放行 Buzz 使用麥克風(fēng)再排除殺毒軟件的攔截。三步上手?jǐn)?shù)據(jù)留在本機(jī)三步就能上手裝好 Buzz 導(dǎo)入一段短音頻選 base 模型點(diǎn)運(yùn)行完成后雙擊結(jié)果核對(duì)順手導(dǎo)出文件。想深入某個(gè)功能先翻官方文檔目錄和命令行接口說(shuō)明。從這一天起你錄的每一段音、每一場(chǎng)會(huì)文字和字幕都留在自己機(jī)器上?！久赓M(fèi)下載鏈接】buzzBuzz transcribes and translates audio offline on your personal computer. Powered by OpenAIs Whisper.項(xiàng)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