Buzz语音转文字
Buzz语音转文字(Buzz)是一款开源的离线语音转文字与翻译软件，由开发者 Chidi Williams 发布，底层使用 OpenAI 的 Whisper 语音识别模型。它可以在个人电脑本地完成音频、视频的转写，无需把录音上传到云端。软件支持 Windows、macOS 和 Linux，可导出 TXT、SRT、VTT 等字幕或文本格式，常用于会议记录、访谈整理、字幕制作等需要保护录音隐私的场景。
定义
Buzz语音转文字是一款在个人计算机上本地运行的音频转写与翻译程序，官方项目将其描述为「离线转写和翻译音频」，由 OpenAI 的 Whisper 模型驱动[1]。它本身不是一套独立的语音识别模型，而是把多种 Whisper 实现方式整合起来、配上图形界面的操作程序，因此被一些使用指南称作各类语音识别模型的「控制面板」[2]。
该项目以开源方式发布，项目仓库使用 MIT 许可证，代码托管在 GitHub 上[3][1]。与在线转写服务不同，它的转写在用户自己的设备上完成，录音无需发送给第三方。
原理
Buzz 的核心是语音识别模型的推理过程：音频先被切分成片段，再由基于 Transformer 结构的 Whisper 模型映射为文字序列，并根据需要输出时间戳[1]。项目支持接入多个后端，包括 OpenAI 的原始 Whisper 实现、C++ 编写的 whisper.cpp，以及经过优化的 Faster Whisper，用户可按硬件条件在速度与资源占用之间取舍[3][4]。
为了提升识别质量，程序在转写前可以先做语音分离，并能在结果中标注不同的说话人；遇到嘈杂录音时，这一处理有助于提高准确率[1]。在硬件加速方面，它支持英伟达显卡的 CUDA 加速、苹果芯片的原生支持，以及 whisper.cpp 在多数显卡上的 Vulkan 加速，包括集成显卡[1]。
Whisper 模型按规模分为 tiny、base、small、medium、large 等档位，模型越大准确率通常越高，但对内存和显存的要求也越高[4]。一份使用指南建议，处理丹麦语等语言时优先选用较大的模型，但老旧或配置较低的电脑可能因内存不足而无法运行，此时可改用更小的模型。
发展历程
Buzz 由开发者 Chidi Williams 创建并以开源形式维护，项目代码发布在 GitHub 平台[1][5]。随着 Whisper 系列模型在 2022 年后陆续开放，这类以本地推理为核心的转写工具逐渐受到研究者和内容创作者的关注。
项目的版本持续迭代。哥本哈根大学在 2024 年发布的使用指南中提到的版本为 v0.9.0，当时 macOS 的安装包最新只到 v0.8.4；此后版本号进入 1.x 阶段，2024 年前后的资料中出现了 1.4.4 版本，奥克兰理工大学的一份指南则基于 2025 年 11 月的 1.2.0 版本撰写[5][6]。
在发行渠道上，Buzz 陆续覆盖了多个平台：Windows 与 macOS 安装包通过 SourceForge 分发，Linux 端以 Flatpak、Snap 和 AppImage 形式提供，开发者也可通过 Python 包索引安装命令行版本[1][3]。项目文档提到，macOS 版本目前已要求使用苹果芯片，最后一个支持英特尔处理器的版本是 1.4.5[1]。
应用
Buzz 的常见用法是把录音文件或视频文件导入后转为文字。它支持从麦克风实时转写，也可以导入音频、视频文件乃至视频网站链接；导入后可选模型、任务和语言，再运行转写[1]。输出可保存为纯文本 TXT，或 SRT、VTT 字幕格式，用于视频配字幕[3]。
在学术研究中，该工具被用于访谈录音的自动转写。哥本哈根大学社会学系发布的指南指出，由于转写在本地完成、数据不与第三方共享，有助于满足欧盟《通用数据保护条例》对受访者信息的要求。相关使用说明也提到，课程录音、会议记录同样可以借助它整理成可检索的文本[2]。
面向开发者，项目提供命令行接口，可编写脚本批量处理文件，并设有监听文件夹功能，能对新增文件自动转写；此外还有插件机制，可扩展生成摘要等能力[1]。
局限
转写结果并不等同于人工听写。使用指南明确指出，Buzz 与 Whisper 模型在多人访谈或焦点小组场景下尤其容易出错，生成的只是一份草稿，需要边听录音边核对，改正词句层面的错误，并对姓名等可识别信息做匿名化处理。
识别效果受语言、口音、音频质量和背景噪音影响，不同语种之间的准确率存在差异[4]。较大的模型虽然质量更好，但占用内存多、耗时更长；在处理长录音时，转写可能需要一小时以上，具体取决于文件大小和电脑配置。
在功能边界上，实时转写属于资源密集型任务，未必总能做到真正的实时[7]。另外，项目的安装包未做代码签名，安装过程中系统会给出安全警告[1]。
参见
-
Whisper —— Buzz 转写所依赖的语音识别模型，由 OpenAI 发布。
-
语音识别 —— Buzz 所属的技术领域，研究如何把语音信号转换为文字。
-
Transformer —— Whisper 模型采用的神经网络架构。
-
字幕 —— Buzz 可将转写结果导出为 SRT、VTT 等字幕文件。
-
开源软件 —— Buzz 以 MIT 许可证开放源代码的发布方式。
参考资料
- buzz . github.com [引用日期2026-10-08]
- computerworld.dk 上的网页 . computerworld.dk [引用日期2026-10-08]
- Install Buzz on Linux | Snap Store . snapcraft.io [引用日期2026-10-08]
- makeuseof.com 上的网页 . makeuseof.com [引用日期2026-10-08]
- Asebded n Buzz ɣef Linux | Flathub . flathub.org [引用日期2026-10-08]
- Using Vibe and/or Buzz: AI-Driven Transcription Software . ac.nz [引用日期2026-10-08]
- tencent.cn 上的网页 . tencent.cn [引用日期2026-10-08]
浏览次数：3 次
阅读量：0 次 · 阅读完成量：0 次
最近更新：2026-10-08T12:40:29Z
完成率 = 阅读完成量 ÷ 阅读量，分母是阅读量不是浏览次数 —— 关了 JS 的、秒退的都在浏览次数里、不在阅读量里。 详细口径在后台的「数据统计」页。