Buzz：离线开源免费语音转文字（字幕）

基于Whisper的GUI软件：Buzz：离线语音转文字（字幕）

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 modelMultilingual model必需的显存行对速度tiny39 Mtiny.entiny~1 GB~32xbase74 Mbase.enbase~1 GB~16xsmall244 Msmall.ensmall~2 GB~6xmedium769 Mmedium.enmedium~5 GB~2xlarge1550 MN/Alarge~10 GB1x

功能

• CPU处理、兼容性强、速度比GPU慢
• 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）

特征

• 导入音频和视频文件并将成绩单导出为 TXT、SRT 和 VTT（演示）
• 从计算机麦克风到文本的转录和翻译（资源密集型，可能不是 实时，演示）
• 支持 Whisper， Whisper.cpp，faster-whisper， 兼容 Whisper 的 Hugging Face 型号，以及 OpenAI Whisper API
• 命令行界面
• 适用于 Mac、Windows 和 Linux

模型存放在哪里？

Whisper模型存储在~/.cache/wilsper中。

Whisper.cpp模型存储在~/Library/Caches/Buzz（Mac OS）、~/.cache/Buzz（Unix）或C:\Users\<username>\AppData\Local\Buzz\Buzz\cache（Windows）中。

Hugging 模型存储在~/.cache/huggingface/hub中。

获取地址

https://github.com/chidiwilliams/buzz