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。