Buzz是一款基于OpenAI Whisper模型打造的开源软件，支持Windows、macOS和Linux系统。它能实时将麦克风捕获的语音转换成文字，亦支持将各类音频、视频文件转录成文字或生成字幕，功能强大且完全离线运行，保护用户隐私。
核心功能
实时语音转文字与翻译
通过麦克风实时捕捉语音，快速转换为文本，也支持多语言实时翻译（需开启麦克风权限）。
多格式文件转录
支持导入音频和视频文件，格式包括MP3、WAV、M4A、OGG、MP4、WEBM、OGM等。
字幕导出
可生成逐句或逐词字幕，导出格式涵盖TXT、SRT、VTT，方便视频编辑和内容整理。
离线运行
全程离线处理，无需连接互联网，极大保证数据安全和隐私。
友好图形界面
相较于命令行版本的Whisper，Buzz配备直观的GUI，普通用户也能轻松操作。
Whisper模型
Buzz的运行主要依赖Whisper模型，Whisper模型根据质量分为多个版本，尺寸从39MB到1.55GB不等，对应不同的识别精度和硬件需求：
| 质量 | 模型尺寸 | 必需显存 | 速度 |
|---|---|---|---|
| tiny | 39 MB | ~1 GB | ~32倍加速 |
| base | 74 MB | ~1 GB | ~16倍加速 |
| small | 244 MB | ~2 GB | ~6倍加速 |
| medium | 769 MB | ~5 GB | ~2倍加速 |
| large | 1.55 GB | ~10 GB | 基线速度 1x |
首次使用时，Buzz会自动下载所需的Whisper模型，并存储在本地缓存目录。或者可在偏好设定中下载合适的模型。
Buzz提供两大任务模式：
Translate（翻译）：实时语音翻译，支持多语言音频输入。
Transcribe（转录）：音频或视频文件转文字，方便生成字幕和文稿。
使用说明
打开Buzz界面后，在主窗口点击「+」按钮添加单个或多个音频文件（支持MP3、WAV、M4A等常见格式）。
进入参数设置界面，关键选项说明如下：
Model Type：选择模型大小（tiny, base, small, medium, large），精度依次提升，资源消耗递增；建议在普通会议录音中使用small平衡速度与准确率。
Language：指定原始语音语言（如Chinese、English），提升识别准确度。
Output Format：输出格式可选txt、srt、vtt等；若需后期编辑字幕，推荐选择srt。
转写过程在本地GPU/CPU上执行，实时显示进度条和预计剩余时间。完成后的文本文件自动保存至原音频文件所在目录，命名规则为[原文件名]_output.[格式]。
项目地址：https://github.com/chidiwilliams/buzz
Buzz作为Whisper的可视化升级版本，极大降低了使用门槛，让更多用户享受高质量的语音识别服务。
