Buzz：本地离线的 Whisper 字幕工坊

Buzz：本地离线的 Whisper 字幕工坊

一、核心优势

1. 离线转录，数据不出本机

机制：基于 OpenAI Whisper 模型在本地完成语音识别与翻译，音频文件、视频文件乃至视频链接都能作为输入，全程不需要把素材传到第三方服务器。 对你的意义：会议录音、访谈素材、未发布内容可以放心处理；没有网络也能干活，隐私与速度都握在自己手里。

2. 多种加速后端，老机器也能跑

机制：支持多套 Whisper 推理后端，NVIDIA 显卡走 CUDA 加速，Apple Silicon 原生支持，多数集成显卡可走 Vulkan 加速，模型规格从轻量到高精度可选。 对你的意义：有独显的跑得飞快，没独显的选小模型也能出活；按机器条件换后端，不必为了字幕升级电脑。

3. 说话人分离与识别

机制：转录前可先做语音分离以提升嘈杂音频的准确率，转录结果支持说话人标注，区分「谁在什么时候说了什么」。 对你的意义：双人访谈、播客对谈的稿子不用再人工分段标名；整理纪要时直接按说话人检索。

4. 字幕格式齐全，还有自动化接口

机制：结果可导出 TXT、SRT、VTT，内置转录查看器支持搜索、播放控制与倍速；另有监视文件夹自动转录新文件、命令行接口与插件系统（如 AI 摘要生成）。 对你的意义：SRT 直接拖进剪辑软件就能用；批量素材丢进监视文件夹自动出稿；重复劳动交给命令行与插件。

适合谁

要给视频配字幕的 UP 主与剪辑新手；需要整理访谈、课程、会议录音的学生与研究者；在意隐私、不想把音频传云端的用户。MIT 开源、完全免费，配合剪辑软件的字幕轨使用，是一条零成本的字幕生产线。

上手路径

装好客户端后先在设置里选识别模型与加速后端，拖入第一个音频跑通「转录-校对-导出 SRT」全流程，再把常用输出格式设为默认；批量需求从监视文件夹开始用，命令行留给定时任务。