AI 创作
Buzz：离线 Whisper 音视频转录与翻译
Buzz：离线 Whisper 音视频转录与翻译 MIT | OpenAI Whisper | 跨平台桌面 + CLI | 官方文档：https://chidi
Gana · 2026-08-23 · 7 分钟阅读Buzz：离线 Whisper 音视频转录与翻译
MIT | OpenAI Whisper | 跨平台桌面 + CLI | 官方文档：https://chidiwilliams.github.io/buzz/
这是什么
Buzz（Buzz Captions）是在个人电脑上离线完成音频/视频转录与翻译的开源工具，引擎为 OpenAI Whisper。
Transcribe and translate audio offline on your personal computer.
与纯云端听写不同：模型在本地跑，适合会议录音、课程、播客、采访等不愿把原始音频上传第三方的场景。支持文件批量、YouTube 链接、麦克风实时转写，以及监视文件夹自动处理。
中文文档：https://chidiwilliams.github.io/buzz/zh/docs
适合谁 / 不适合谁
| 人群 | 是否推荐 | 原因 |
|---|---|---|
| 需要离线 SRT/VTT、本地隐私 | ✅ 强烈推荐 | 默认离线 Whisper |
| 会议/演讲实时字幕（演示窗口） | ✅ 推荐 | Live 录音 + Presentation 模式 |
| 嘈杂音频、多人对话 | ✅ 推荐 | 语音分离 + 说话人识别 |
| 要一键链接→双语成片压制 | ⚠️ 用 [[MioSub：一站式 AI 字幕生成与压制]] | Buzz 偏转录导出，非全流程压制 |
| 仅 macOS 系统内放实时翻译 | ⚠️ 用 [[AirTranslate：macOS 系统音频实时转录翻译]] | AirTranslate 抓系统声+悬浮译 |
| 无 GPU、超大模型极慢 | ⚠️ 选小模型 | 可换 Whisper.cpp + Vulkan |
安装与前置条件
macOS
brew install --cask buzz
或 SourceForge / GitHub Releases 下载 .dmg。
Windows
SourceForge / Releases 安装包（未签名，安装时选「更多信息」→「仍要运行」）。
Linux
flatpak install flathub io.github.chidiwilliams.Buzz
# 或
sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module
sudo snap install buzz
PyPI（开发者）
- Python 3.12、已安装 ffmpeg
pip install buzz-captions
python -m buzz
Nvidia GPU（Windows PyPI）需按 README 安装带 CUDA 的 torch 与相关 nvidia-* 包。
核心用法
输入来源
- 本地音频/视频文件
- YouTube 链接
- 麦克风实时转录（含演示用 Presentation 窗口）
- 监视文件夹：新文件自动排队转录
能力与导出
| 能力 | 说明 |
|---|---|
| 多后端 | Whisper；CUDA（Nvidia）、Apple Silicon、Whisper.cpp + Vulkan |
| 增强 | 转录前语音分离；说话人识别 |
| 导出 | TXT、SRT、VTT |
| 查看器 | 搜索、播放控制、调速 |
| 自动化 | 快捷键、CLI 脚本批处理 |
典型流程
- 导入文件或粘贴 YouTube URL → 选择模型与语言
- 转录完成 → 在高级查看器中校对
- 导出 SRT/VTT → 交给 [[MioSub：一站式 AI 字幕生成与压制]] 或 [[Violin：开源视频翻译与配音 Skill]] 做后续翻译/配音
注意事项与风险
- 算力：大模型（如 large）在 CPU 上很慢；有 GPU 时开启对应加速。
- Windows 安装包未签名：企业环境可能拦截，需策略放行。
- PyPI 版本：需 Python 3.12；与 Flatpak/Snap 为不同分发渠道。
- 翻译质量：依赖 Whisper 与所选模型，专业术语仍需人工校对。
- YouTube：下载与使用须遵守平台服务条款与版权。
与你现有工具的关系
| 工具 | 分工 |
|---|---|
| [[MioSub：一站式 AI 字幕生成与压制]] | 链接一键：下载→翻译→对齐→压制；Buzz 可作本地转录源 |
| [[AirTranslate：macOS 系统音频实时转录翻译]] | Mac 系统内放实时听译；Buzz 偏文件/麦录+离线导出 |
| [[Violin：开源视频翻译与配音 Skill]] | 整段视频配音回灌；Buzz 产出字幕后可再接 Violin |
| [[../01-AI-Agent生态/LLM Wiki：让 AI 替你维护个人知识库]] | 转录稿可导入 vault，由 LLM Wiki 做结构化沉淀 |
FAQ
Q: Buzz 需要联网吗？
A: 转录/翻译在本地运行；首次可能需下载模型。YouTube 功能需网络拉取音源。
Q: 和 Whisper 命令行有何区别？
A: Buzz 提供 GUI、实时录、监视目录、说话人/分离、多后端与 SRT 导出，降低上手成本。
Q: 实时会议用 Buzz 还是 AirTranslate？
A: Mac 只听系统声、要悬浮译 → AirTranslate；要本地录音存档+字幕文件 → Buzz Live。
相关链接
- GitHub：https://github.com/chidiwilliams/buzz
- 文档（中文）：https://chidiwilliams.github.io/buzz/zh/docs
- 文档（英文）：https://chidiwilliams.github.io/buzz/docs
- SourceForge：https://sourceforge.net/projects/buzz-captions/files/
- Flathub：https://flathub.org/apps/io.github.chidiwilliams.Buzz
