9.8k star! 基于大模型的音频转文字工具，零门槛上手

我们经常会遇到将音频转为文字的情况，比如在开会时录音的会议纪要、上课时录下的老师讲课内容。虽然网上也有一些在线的工具可以将音频转为文字，但是考虑到数据安全和费用问题，使用起来也不是很方便。

今天了不起给大家介绍一款开源工具——Buzz，他可以让你在本地离线的识别音频并转换成文字。

项目介绍

Buzz 是一款开源的语音转文字工具，它能够实时将语音转换为文字，支持多种操作系统，包括 Windows、macOS 和 Linux。它不仅支持实时语音识别，还能将视频和音频文件转换成文字或字幕，极大地方便了内容创作者、翻译工作者和广大用户。

项目使用

因为是跨平台的工具，Windows 用户可以在 release 页面下载安装包，Mac 用户可以使用 brew install --cask buzz 命令安装应用。

打开应用，可以看到界面非常简洁：

点击上方菜单栏的“➕”，可以选择音频文件。之后在弹出的对话框中选择要使用的模型、任务以及语言。这里我们就使用默认的 Whisper 的 base 模型，任务选择“Transcribe”即可将语音转换为文字。

点击“Run”按钮后，软件会自动下载模型文件，并进行转换。转换完毕的任务会在首页列表显示，如图：

双击任务，即可查看转换成功的文字，如图：

你可以在这个页面查看每句话的所在的音频时间，并且播放音频。还可以点击右下角的下载按钮，将文件导出为 txt 格式或者 srt 的字幕格式。

当然，Buzz 还支持实时的语音转文字和翻译功能。首页点击左上角的小麦克风按钮，即可进入实时录音的界面。依旧是配置好使用的模型和任务类型，点击“Record”按钮，即可实时的转换文字了。

总结

随着开源的大型模型日益增多，以及 GitHub 上涌现的众多整合了这些大型模型的工具，我们得以以更低的门槛在个人电脑上运行这些模型，从而帮助我们完成更多的工作。Buzz 就是这么一款使用方便的语音转文字工具，如果你有类似的需求，就赶快去试试吧。

项目地址：https://github.com/chidiwilliams/buzz