Buzz 是一款基于 OpenAI Whisper 的开源、可离线的实时语音转文字工具，支持 Windows、macOS、Linux，它可以将麦克风的语音实时转换为文字，也支持将视频、音频文件转换为文字、字幕。@Appinn
来自发现频道，@suliveevil 同学推荐：https://meta.appinn.net/t/topic/38263
Buzz：离线语音转文字（字幕），实时语音识别，基于 OpenAI Whisper
功能
- 实时语音转文字、实时翻译（需麦克风权限）
- 导入音频、视频文件（mp3、wav、m4a、ogg、mp4、webm、ogm），导出逐句字幕或逐词字幕（导出格式：TXT、SRT、VTT）
碎碎念
相较于 Autocut 功能更单一，专注于语音转文字、字幕生成。
相较于命令行 Python 版 Whisper 速度更快，有 GUI 对普通用户更友好。
由于支持离线，所以…尺寸是一个很大的问题，目前的安装包吃吃：
- Buzz-0.5.8-mac.dmg 330 MB
- Buzz-0.5.8-unix.tar.gz 1.5 GB
- Buzz-0.5.8-windows.tar.gz 261 MB
- Buzz.exe 161 MB
还是很可观的。
Whisper 是什么？
Whisper 是一种通用语音识别模型。它利用各种大型数据集上的音频进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。
在第一次使用 Buzz 的时候，会下载 Whisper 的模型，根据不同的质量要求，模型尺寸也非常可观：
| 质量 | 尺寸 | English-only model | Multilingual model | 必需的显存 | 行对速度 |
|---|---|---|---|---|---|
| tiny | 39 M | tiny.en | tiny | ~1 GB | ~32x |
| base | 74 M | base.en | base | ~1 GB | ~16x |
| small | 244 M | small.en | small | ~2 GB | ~6x |
| medium | 769 M | medium.en | medium | ~5 GB | ~2x |
| large | 1550 M | N/A | large | ~10 GB | 1x |
Whisper 模型存储在电脑中：
~/.cache/whisper~/Library/Caches/Buzz（macOS）~/.cache/Buzz（Linux）C:\Users/<username>\AppData\Local\Buzz\Buzz\Cache（Windows）
当卸载的时候，别忘记把模型也删掉。
Buzz 也相当于是一个 Whisper 的可视化界面版本。
Buzz 界面
Buzz 提供了两个任务：
- Translate 翻译
- Transcribe 转录
如果想要从文件转录，需要单击“文件”菜单上的“导入”（或在 Mac 上单击 command + O，在 Windows 上单击按 Ctrl + O）
支持的格式：“mp3”，“wav”，“m4a”，“ogg”，“mp4”，“webm”，“ogm”
导出的格式：“TXT”、“SRT”、“VTT”
转换过程根据电脑性能有快有慢，最终会直接给出文件，效果还是非常不错的。对中文的识别也很好。
获取
原文：https://www.appinn.com/buzz-openai-whisper/