本内容来源于@什么值得买APP，观点仅代表作者本人 ｜作者：灵昱

引言：

语音音频转文字是一项庞大的工程，尤其当涉及数小时的（会议）课程录音时，更需高效且精准的转换工具。对于追求性价比的用户来说，如何在不产生额外费用的情况下实现本地化的文字转化，成为了一个重要课题。本次我们采用了BUZZ这一基于开源技术的解决方案，它充分利用了GPU和CPU的运算能力，实现了音频到文字的本地高效转化。无需部署额外设备或购买服务，即可轻松完成大批量录音的转文字工作，为用户节省了大量时间和成本。BUZZ以其出色的性能和稳定性，成为了实现本地化语音转文字的理想选择。

Buzz功能介绍

Buzz是一款基于OpenAI Whisper的开源、可离线的实时语音转文字工具，它适用于Mac、Windows和Linux系统，为用户提供了高效且灵活的语音转文字解决方案。以下是Buzz的主要功能特点：

一、实时语音转文字与翻译

Buzz支持从计算机麦克风实时转录和翻译成文本，这一功能对于需要即时反馈的场景尤为实用。不过请注意，由于这一功能较为资源密集型，可能无法实现完全实时的转录效果。

录音如下（第一开启会提示下载模型）：

二、音视频文件导入与导出

Buzz支持导入多种格式的音频和视频文件，包括mp3、wav、m4a、ogg等音频格式以及mp4、webm、ogm等视频格式。用户可以将这些文件导入后，轻松将其转换为TXT、SRT和VTT格式的文本或字幕文件，满足不同的输出需求。

三、多模型支持

Buzz兼容多种语音转文字模型，包括Whisper、Whisper.cpp、Faster Whisper以及与Whisper兼容的Hugging Face模型和OpenAI Whisper API。这使得Buzz在转换精度和效率上更具优势，能够根据不同的需求选择合适的模型进行转换。具体模型如下：

四、离线使用

Buzz支持离线使用，无需连接互联网即可进行语音转文字操作。这一特点使得Buzz在保密性要求较高或网络环境不稳定的场景下具有独特的优势。

实用办法如下：

1、下载安装

本次版本0.8.4

Github项目地址：
https://github.com/chidiwilliams/buzz

如下，打开链接，点击这里

展开Assets资源，点击windows（当然，有苹果系统和linux系统的）

下载后点开安装

2、打开Buzz如下

点击加号，添加文件

记得选择中文，本次测试录音转文字，拿杰伦哥的歌来测试~（发如雪，灾难级音频转文字）

由于第一次转换，需要下载大数据模型到本地。

对于模板可以自己选（openai需要账号）

渲染（转换）速度：取决于你机器的性能，第一次会下载语言模型
本次测试环境：轻量云服务器（2C+4G+6M）性能一般，

注意：转换过程中，会弹出一个黑框（Dos命令框，实际上运行的ffmpeg好像）

结果：

3、转换结果如下

Tiny质量不敢恭维，但说实在的，杰伦歌的转文字，对于引言模型来说，是史诗灾难级的。

base模型如下：

Base模型已经很好了，就是速度有点慢4分钟左右（包含下载Base模型）。

但是仍有概率反应成繁体

4、模型库大小对比

5、卸载记得清理下载的模型

Whisper 模型存储在电脑中 以下目录（默认安装地址）：

• C:Users/AppDataLocalBuzzBuzzCache （Windows）
• ~/.cache/whisper~/Library/Caches/Buzz （macOS）
• ~/.cache/Buzz （Linux）

五、总结

Buzz适用于多种场景，包括但不限于：

1. 会议现场录音同步转文本：在会议现场，通过Buzz的实时语音转文字功能，可以将讲话内容实时转换为文本，方便与会者查看和记录。
2. 视频语音转字幕：对于需要添加字幕的视频文件，Buzz可以将其中的语音内容转换为TXT、SRT或VTT格式的字幕文件，轻松实现视频字幕的添加。
3. 音频文件转文本：对于已有的音频文件，Buzz同样可以将其转换为文本格式，方便用户进行编辑、搜索或分享。

总之，由于Buzz免费，尤其强大的功能和广泛的应用场景（支持Openai），为用户提供了高效、便捷的语音转文字解决方案。无论是实时转录还是离线转换，Buzz都能满足用户的多样化需求。