Buzz

一款GitHub开源免费的，可以本地离线运行的语音识别软件。它有两个功能，一个是语音转文字，一个是实时语音识别。

特点

• 从麦克风实时转录和翻译成文本
• 导入音频和视频文件并导出文本到 TXT、SRT 和 VTT 字幕文件
• 支持Whisper、 Whisper.cpp、 与Whisper 兼容的 Hugging Face 模型和 OpenAI Whisper API
• 适用于 Mac、Windows 和 Linux

安装

以Windows系统为例简单说明，软件下载完成后，双击运行，进行安装：

根据个人情况选择是为所有用户安装，还是仅为当前用户安装

选择安装位置（老朋友都知道，小编习惯将软件安装在非系统盘，养成良好的软件安装习惯)。

后面基本一路 Next 即可进入安装阶段，等待安装完成即可。

使用

运行 Buzz ,进入软件主界面

如上图，工具栏麦克风按钮为实时语音识别，旁边的 + 号为音视频文件转文本，下面以音视频文件转文本为例进行说明，首先点击 + 号导入需要转文本的音频或视频文件，如下：

支持文件类型：

*.mp3,*.wav,*.m4a,*.ogg,*.mp4,*.webm,*.ogm,*.mov

打开音频后，会进入设置窗口，Model选项为语音识别的模型，第一次使用时，会根据Model下方选择的不同的质量需求，下载指定的模型，具体如下：

Task任务只有两个选项，分别为Translate（翻译）、Transcribe（转录），可根据需要进行选择

Language选项为语言设置选项，默认为detect language（自动检测语言），注意，这里的自动检测只是检测前几秒音频中的语言，稳妥起见，还是推荐自己指定语言。

设置完成，点击 Run

如上所述，第一次运行，本地没有任何模型，所以会自动开始下载模型文件，下载完成后会自动执行语音转文本任务。

状态栏显示 Completed （完成）后，使用鼠标双击这一行，就会弹出识别的字幕内容，如下:

可以看到，内容中有不少地方声音识别出来，但文字是不对的，还需要手动调整，不过小编只是为了演示，只选择了较小体量的Base模型，大家可以下载质量更高的模型进行尝试。

点击字幕列表右下角 Export （导出），可以选择导出为txt文本文件或者srt、vtt字幕文件。

相关下载

PS: 公众号偶尔会发点广告，各位小伙伴看到的话，麻烦帮忙花费几秒钟时间点进去随便翻翻，至于广告内容，那都是扯蛋的，不要相信，拜谢~！