Buzz——离线语音转文字（字幕），实时语音识别

Buzz是基于 OpenAI Whisper的离线语音转文字（字幕），实时语音识别工具。

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）

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：

• 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

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\\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

https://github.com/chidiwilliams/buzz

来源：https://www.appinn.com/buzz-openai-whisper/