Buzz 是什么、怎么下载使用：基于 Whisper 的免费开源离线语音转文字桌面软件

本文根据 Buzz 官方 GitHub 仓库 README 整理，资料核对于 2026-10-11。开源项目变化快，以官方仓库为准。

是什么

Buzz 是一款给 Whisper 套上图形界面的桌面软件，仓库 chidiwilliams/buzz 约有 2.19 万星标，采用 MIT 许可。Whisper 是 OpenAI 开源的语音识别模型，效果很好，但原版要装 Python、敲命令行；Buzz 把这些都包起来，下载、安装、把文件拖进去，就能得到文字稿和字幕。

转写在你的电脑上离线完成，音频不会上传到任何服务器——这是它相对各种在线转写网站最大的优势。

能做什么

README 列出的功能：

• 转写音视频文件：常见的音频和视频格式都可以直接导入；
• YouTube 链接：粘贴链接后下载并转写；
• 麦克风实时转写：边说边出文字；
• 翻译：把语音内容翻译输出；
• 说话人识别：区分不同的发言者；
• 导出：TXT 纯文本，以及 SRT、VTT 字幕文件；
• 进阶功能：监视文件夹（放进去的文件自动转写）、命令行接口和插件系统。

怎么上手

1. 安装：

• Windows：下载安装程序；
• macOS：下载 .dmg；
• Linux：Flatpak、Snap 或 AppImage；
• 也可以用 pip install buzz-captions 安装。

README 说明安装包托管在 SourceForge，从仓库 README 里的链接进入最稳妥。

1. 打开软件，把音频或视频文件拖入窗口。
2. 选择模型大小和语言。中文内容建议明确指定语言；电脑配置一般就选小一档的模型。
3. 首次使用某个模型时会自动下载，之后即可离线使用。
4. 转写完成后在界面里校对，再导出为需要的格式。

做视频字幕的常用流程：导出 SRT → 在剪映等剪辑软件里导入字幕 → 逐句校对错别字和断句。

免费与付费

GitHub 上的版本完全免费开源，没有时长和次数限制。应用商店中如有收费的同名版本，以其页面说明为准；本文介绍的是官方仓库提供的免费版本。

适合谁 / 不适合谁

适合：

• 经常要把访谈、网课、会议录音整理成文字的学生、记者、研究者；
• 需要给视频加字幕的创作者；
• 录音内容敏感、不能上传到云端的用户。

不适合：

• 电脑配置低又想快速转写很长的音频——大模型在没有显卡的机器上会很慢；
• 需要多人协作编辑文稿、自动生成会议纪要和待办的团队，飞书妙记、通义听悟这类云端产品更合适；
• 需要长期稳定的实时同传字幕的专业场景。

注意事项

• 转写结果必须校对：同音字、人名、专业术语是高发错误，静音或有背景音乐的段落可能出现凭空生成的句子。
• 模型文件较大：每个模型从几十 MB 到几 GB 不等，下载需要稳定的网络。
• 下载 YouTube 内容前，确认你有权使用该视频的音频。
• 录音合规：转写他人谈话前应取得对方同意。