共计 1264 个字符，预计需要花费 4 分钟才能阅读完成。
Whisper 是 OpenAI 旗下的开源语音识别系统，可以将语音转换为文字，支持多种语言，之前小编给大家介绍过《 开源 Whisper 客户端「Transcribe Audio」》，「Transcribe Audio」 是通过 OpenAI API 来实现语音转换文字，今天要给大家介绍 Buzz 同样是一款基于 OpenAI Whisper 的开源的实时语音转文字工具，不同点在于其可离线运行，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。
功能：
- 导入音频和视频文件并将文字记录导出为 CSV、SRT、TXT 和 VTT
- 通过麦克风进行实时转录和翻译（转录和翻译质量取决于模型大小）
- 支持 90 多种语言
如何使用 Buzz？
下载安装 Buzz 后，第一次使用 Buzz，会自动下载 Whisper 的模型，也可以在菜单栏选择 Help 然后点击 Preferences，在 Models 处下载模型，如果你的电脑性能不行也可以在 General 处使用 OpenAI API；下载模型时需要科学上网，small 模型就可以取得不错的效果，目前 Buzz 里的 large 模型是 large-v2 模型：
| 质量 | 尺寸 | English-only model | Multilingual model | 必需的显存 | 速度 |
|---|---|---|---|---|---|
| tiny | 72 M | tiny.en | tiny | ~1 GB | ~32x |
| base | 138 M | base.en | base | ~1 GB | ~16x |
| small | 461 M | small.en | small | ~2 GB | ~6x |
| medium | 1.42G | medium.en | medium | ~5 GB | ~2x |
| large-v2 | 2.87G | 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>\.cache\whisper（Windows）
当卸载的时，可以直接到模型存储所在位置删除即可
点击小话筒就是实时转录，点击 + 就是添加音频，然后就会开启设置窗口：
- Translate（翻译）
- Transcribe（转录）
支持的格式：“mp3”，“wav”，“m4a”，“ogg”，“mp4”，“webm”，“ogm”
导出的格式：“TXT”、“SRT”、“VTT”
小编添加了一段 15 秒的音频，模型选择 Whisper 的小模型，task（任务）处选择转录，语言处选择 Chinese，导出格式选择 TXT 和 SRT，处理完毕大概 9 秒（显卡是 GTX4070）
结语：
Buzz 是基于 Whisper，语音转文本功能非常强，但在翻译方面效果就差上一截，如果你下载是使用 Buzz 不方便，小编已经将软件和模型下载后上传到网盘，大家可以通过网盘下载。
