音转文工具,9.8k star! 【送源码】

【板栗糖GIS】——buzz字幕软件的安装和使用 buzz使用教程 阅读详情

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。

图片

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:

图片

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

—— EOF ——

 给大家分享一套基于Springboot+Vue的图书管理系统源码,在实际项目中可以直接复用。(免费提供,文末自取)

​一、系统运行图(设计报告和接口文档)

1、登陆页面

2、后台页面

3、设计报告包含接口文档

二、系统搭建视频教程

源码免费领取方式

扫码后台回复 图书

 

Buzz - 可离线的实时语音转文字工具 Buzz是由Chidi Williams创建的一款开源软件,Buzz利用OpenAI的Whisper技术,能够进行离线音频转录和翻译。同时,它也基于Transformer模型的预训练语言模型(如BERT或GPT系列),提供文本生成与分析功能。 阅读详情

相关推荐

DeepSeek网页版正确使用指南:无客户端时代的高效AI工作流

DeepSeek作为新一代开源大模型代表,其核心交付形态并非传统桌面客户端,而是基于Web UI与API的云原生架构。原理上,它依托React/Vite前端+Nginx反向代理+推理集群服务,天然适配浏览器沙箱环境,规避本地部署与兼容性调试开销。技术价值体现在128K上下文管理、内置代码解释器、PDF/DOCX智能解析及多模态预览等隐性能力。应用场景覆盖技术文档速读、会议纪要生成、SQL调试、代码安全审查等工程实践高频环节。本文聚焦‘DeepSeek网页版’与‘DeepSeek官网入口’两大热词,系统拆解可

weixin_30319153的博客 564

AI项目管理工具:让大模型工作流可追溯、可审计、可协同

AI项目管理工具正从传统任务协作软件演进为支撑大模型工程化的新型基础设施。其核心在于解决LLM应用开发中的三大本质挑战:提示词(Prompt)版本混乱导致的不可复现性、多Agent执行状态黑箱带来的协作断层、以及自动化流水线与人工评审之间的割裂。这类工具通过Prompt全生命周期追踪、动态状态图谱、Human-in-the-Loop评审门禁和模型行为审计等能力,将原本混沌的AI工作流转化为可测量、可干预、可归因的工程对象。尤其在医疗、金融等强合规场景中,它们已成为保障AI输出可信性与法律尽职调查落地的关键技

weixin_33901641的博客 513

AutoAgent:面向生产级LLM代理的零代码工程框架

零代码LLM代理并非放弃逻辑控制,而是将编程逻辑升维为结构化自然语言表达。其核心在于通过语义解析引擎将‘如果…就…’‘先…再…最后…’等日常描述自动映射为状态转移图,实现高灵活性与低认知负荷的统一。结合三层容错机制(语义校验网关、执行沙盒、人类接管锚点),有效应对大模型固有不确定性,保障生产环境可靠性。同时依托可插拔的模型适配器矩阵,基于真实业务维度(如结构化输出稳定性、长文本推理一致性)动态匹配最优LLM,支撑医疗、金融、法律等复杂场景。AutoAgent代表的不是自动化替代,而是LLM应用开发范式的工程

banshen0201的博客 622

AI大模型语音识别转文字

本项目作用在于将常见的会议录音文件、各种语种音频文件进行转录成相应的文字,也可从特定视频中提取对应音频进行转录程文字保存在本地。最原始的从所给网址下载对应视频和音频进行处理。下载ffmpeg(​。

mnwl12_0的博客 4624

2021年机器学习SOTA模型落地实战指南:避坑、选型与工程化

SOTA(State-of-the-Art)模型并非单纯指代最高精度的算法,而是融合数据分布、硬件约束、维护成本与业务目标的工程综合体。其核心原理在于模型结构创新与计算范式迁移的协同,如ViT将图像建模为序列依赖全局注意力,ALPRO通过动态稀疏注意力降低计算复杂度。技术价值体现在精度-效率-可维护性的三角平衡,而非单一指标突破;典型应用场景覆盖推荐系统中的低延迟推理、金融风控所需的可解释性输出、实时语音识别对端到端延迟的严苛要求。本文聚焦2021年CV、NLP、ASR与GNN四大领域真实落地经验,深度解析

weixin_30321449的博客 494

《AI上字幕》基于openAI研发的whisper模型,语音(视频)一键转文本/字幕/带时间轴/支持多语言/自带翻译《桌面版教程》

OpenAI的chatGPT非常火爆,其实openAI旗下的另一个模型实力也十分强大,它就是开源免费的Whisper语音转文本模型,本文详细介绍了如何使用以及博主最近几天学习的感悟。。

qq_45366830的博客 6740

最新版免费开源BUZZ1.2离线语音转文字、实时翻译(可批量操作),代替收费方案的最佳方案

BUZZ翻译功能非常不错,直接可以把中文翻译成几十种外语,配合剪映可以制作双语外语的商品介绍,把商品卖给国际友人,这个对最近大批进军国内自媒体的外国人,可以赚他们钱的好机会。支持多种格式的音频和视频文件,如mp3、wav、m4a、ogg等,以及mp4、webm、ogm等,轻松转换为TXT、SRT和VTT格式的文本或字幕文件。这款软件第一次使用时,会要求下载模型,但是基本很多时候都是下载失败,所以我给大家准备了常用的三个模型,small、medium、large-v3三个模型。要是觉的速度慢,也可以去。

struggle2025的博客 1万+

语音识别与AI大模型:如何实现高精度语音转文字

1.背景介绍 语音识别(Speech Recognition)是一种自然语言处理技术,它可以将人类的语音信号转换为文本。随着人工智能技术的发展,语音识别已经成为日常生活中不可或缺的技术,如智能手机助手、智能家居设备等。在这篇文章中,我们将深入探讨语音识别技术的核心概念、算法原理以及实际应用。 2.核心概念与联

AI天才研究院 1610

Buzz语音转文字安装使用(含Whisper模型下载)

转录和翻译音频离线在您的个人计算机。由OpenAI的Whisper提供动力。可以简单理解为QT的前端界面,python语言构建服务端,使用Whisper语言模型进行计算语音转文字的软件。痛点在于离线,缺点也很明显,模型较大,高质量模型运算依赖于硬件和算法优化。

oXiaoWeiWuDi的博客 5万+

游戏开发实战:5种AOI算法对比(九宫格 vs 灯塔 vs 十字链表)

本文深入对比了游戏开发中五种主流AOI算法(九宫格、灯塔、十字链表等)的性能与适用场景,帮助开发者根据项目规模选择最优解决方案。通过详细的技术分析和实战数据,揭示不同算法在万人同屏等极端场景下的表现差异,为MMORPG等大型多人在线游戏提供关键性能优化指南。

weixin_29268385的博客 476

Fluent基于低氧舱气体交换仿真(氮气与空气混合)

一、背景概述 模拟低氧舱充氮气和排除混合气体的过程,假设注入95%的氮气,舱内原有气体为空气,压力为标准大气压,温度为300K。观察气体注入过程中,舱内平均氮气和氧气浓度的变化。 二、Fluent设置 Setup 1、General type选择压力基 绝对速度 瞬态 重力勾选 2、Model 能量方程开启 组分运输开启,设置方法如下: 选择后OK,view就会变成Edit,点击Edit。然后再次点击Edit。 将组分中的非氮气氧气和空气的气体移除,右边选项需要将空气放在最后一位。 3、Materi

qq_35535616的博客 1万+

如何基于大模型实现一个语音转文字应用

语音识别库,提供高效的Whisper模型推理。gradio: 前端界面库,用于构建Web应用。zhconv: 中文简繁转换工具。requestsav等。本项目实现了一个完整的语音转文字系统,利用了Whisper模型的强大能力并通过Gradio提供了易用的界面。我们还结合了AI进行润色和多语言支持,极大提升了语音识别的效果和易用性。

2401_84494441的博客 5432

sift、surf、orb 特征提取——三维重建

参考文章:[sift、surf、orb 特征提取及最优特征点匹配] 最近刚刚入门三维重建,在SFM算法的代码中注意到了feature_type( feature extraction method)这个参数,想细致了解一下这几种特征提取算法,在这里做一下笔记。 SIFT 简介 SIFT(Scale-Invariant Feature Transform)——尺度不变特征变换,是一种计算机视觉的特征提取算法,用来侦测与描述图像中的局部特征。 实质上,它是在不同的尺度空间上查找关键点(特征点),并计算出关键点的

bb_sy_w的博客 4362

语音识别——语音转文字

阿里开源的SenseVoiceSmall模型是一款具备音频理解能力的音频基础模型,支持语音识别(ASR)、语种识别(LID)、语音情感识别(SER)和声学事件检测(AED)等功能。经过超过40万小时的数据训练,该模型支持50多种语言,并在多语言识别、情感辨识和音频事件检测方面表现出色。SenseVoiceSmall采用非自回归端到端框架,推理延迟极低,10秒音频推理仅耗时70毫秒,效率显著优于Whisper-Large模型。此外,该模型提供便捷的微调脚本和完整的服务部署链路,支持多并发请求和多种客户端语言。

张飞飞的博客 5236

SFR算法实现详解:从边缘检测到MTF计算的完整流程

本文详细解析了SFR算法从边缘检测到MTF计算的完整流程,包括边缘检测、ESF超采样、LSF差分等关键步骤。通过代码示例和实战经验,帮助开发者高效实现成像系统解析力评估,优化MTF测量精度。适用于摄像头模组调试、工业检测等场景。

Black的专栏 1010

向量库深度解析:选型、索引原理与生产实践

本文系统解析五大主流向量库(pgvector、Milvus、Weaviate、ChromaDB、Faiss)的定位、优缺点与适用场景,深入拆解FLAT、IVF、HNSW等核心索引原理,并重点分析Milvus的Compaction机制。针对数据治理场景,提供精准选型建议:中小规模优先pgvector或Weaviate,超大规模选择Milvus,开发测试推荐ChromaDB。核心索引推荐HNSW,兼顾检索速度与召回率。全文从理论到实践,为开发者提供清晰的向量库选型逻辑与生产落地指南。

a123147abc的博客 364

【机器学习】Whisper:开源语音转文本(speech-to-text)大模型实战

本文是上一篇chatTTS文章的夫妻篇,既然教了大家如何将文本转语音,就一定要教大家如何将语音转成文本,这样技术体系才完整。首先简要概述了Whisper的模型原理,然后基于transformers的pipeline库2行代码实现了Whisper模型推理,希望可以帮助到大家。码字不易,如果喜欢期待您的关注+3连+投票。

人工智能领域博客 2万+

SAP CAP core data service 里 association 和 composition 的区别

我们进行 SAP CAP 开发时,在schema.cds里进行数据建模,可以使用 association 和 composition,来描述两个 entity 之间的关联关系。在 SAP BTP 的 Cloud Application Programming Model (CAP) 中,cds文件定义了数据模型,而和是用于建立实体关系的两种关键机制。理解它们的区别对于构建高效、清晰的 CAP 数据模型至关重要。下面,我们将通过严谨的逻辑推理,结合代码示例,深入分析和之间的核心差异。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 323

Buzz语音转文字离线免费版安装使用(含Whisper最新模型)

Buzz1.2.0是一款基于OpenAI Whisper的离线音频转录翻译工具,最新版本发布于2024年12月。该Python编写的软件支持Windows系统,可提取歌曲歌词和音视频文字内容。安装简单,只需运行exe文件即可。实测显示,i5-12400处理器使用最小模型时识别准确率较低,但使用Small及以上模型效果显著提升。软件及模型可通过GitHub或百度网盘下载,网盘链接包含完整资源包。用户需根据自身电脑配置选择合适模型以获得最佳转录效果。

weixin_40845519的博客 1万+

YOLOv11改进 - 卷积Conv | PATConv(Partial Attention Convolution)部分注意力卷积,在减少计算量的同时融合卷积与注意力的优势 | AAAI 2026

本文提出部分注意力卷积(PATConv)机制,并将其集成到YOLOv11中。传统神经网络中,卷积计算密集,注意力机制全局计算冗余,此前的“部分卷积”会丢失未计算通道的特征价值。PATConv通过“通道拆分 - 并行处理 - 结果拼接”的逻辑,给不同通道分配“擅长的任务”,兼顾局部与全局特征。基于此,它还衍生出PAT_ch、PAT_sp和PAT_sf三种细分模块。此外,还提出了动态部分卷积(DPConv),并构建了新的混合网络家族PartialNet。我们将PATConv代码集成到YOLOv11中,实验表明,

魔改工程师的博客 1085

【Pix4d精品教程】Pix4d中央子午线细化设置(测区跨两个分带)

本文介绍了在Pix4d软件中通过修改中央子午线设置来解决跨分带测区刺点问题的方法。针对测区跨3度分带(如105°和108°之间)时像控点与靶标点偏移较大的情况,建议将中央子午线设为测区中心(如106.5°)。具体操作步骤包括:修改投影文件中的中央子午线参数,选择新的输出坐标系配置文件。该方法能有效提高像控点刺点效率,为航测内业数据处理提供便利。操作简单实用,适合大比例尺测图项目中跨分带测区的数据处理需求。

智慧空间实验室 5527

语音转文字、文字转语音

最近找到了几个比较好用的语音转文字及文字转语音的开源工具,这里做个简单记录。

qq_43384376的博客 4694

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

开源语音转文本 Speech-to-Text 大模型实战之Whisper篇

随着深度学习技术的不断发展,语音转文本(Speech-to-Text,STT)技术取得了显著的进步。开源社区涌现了许多高效的STT大模型,为开发者提供了强大的工具。本文将以OpenAI推出的Whisper模型为例,详细介绍如何使用该模型进行语音转文本的实战应用,从模型简介、环境搭建、数据准备到模型推理和应用。Whisper是OpenAI推出的一个语音识别模型,具有高精度和高效能。Whisper通过大量的多语言、多任务训练,在处理不同语言和口音的语音识别任务上表现出色。多语言支持:支持多种语言的语音识别。

码上飞扬的博客 5593

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

Buzz 本地语音转文字完全指南:四种装法,五分钟离线转写并导出字幕

Buzz 是一款本地语音转文字工具:它把 OpenAI 的 Whisper 模型直接跑在你的电脑上,全程离线,把音频、视频甚至在线视频链接转成带时间轴的文字稿,再导出成 SRT 字幕。读完这篇指南,你能装好它并导出第一份可用的文字稿。 [![Buzz本地语音转文字任务队列主界面](https://raw.gitcode.com/GitHub_Trending/buz/buzz/raw/350fe

gitblog_00193的博客 1039

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

开源语音转文本(STT)大模型

本文介绍了六种主流的中文语音识别工具:Whisper、wav2vec 2.0、Vosk、ESPnet、PaddleSpeech 和 FunASR。每种工具的特点、适用场景、代码示例及项目地址均有详细说明。Whisper 以其多语言支持和开源特性适用于通用转录;wav2vec 2.0 适合研究定制;Vosk 适合本地化实时应用;PaddleSpeech 提供易用API;FunASR 针对长音频和嘈杂环境优化。根据需求,可选择不同工具进行快速上手、本地化部署或学术研究。

cnhome的专栏 8359

Buzz语音转录工具:5步实现完全离线的音频转文字,保护隐私同时提升10倍效率

还在为会议录音整理而烦恼吗?每天面对海量音频视频内容,手动转录不仅耗时耗力,还面临隐私泄露的风险。今天我要向你推荐一款彻底改变音频处理工作流的开源神器——Buzz语音转录工具。这款基于OpenAI Whisper的离线转录工具,完全免费且在你的个人电脑上运行,无需依赖任何云端服务,让隐私安全和工作效率同时得到保障。 ## 为什么选择Buzz?隐私与效率的完美平衡 在当今数字时代,**音频转录*

gitblog_00702的博客 250
上一篇: 低成本,高效率解法:跨平台开发框架!!
下一篇: 必备软件管理工具——Applite!!【送源码】
架构文摘JGWZ
博客等级 码龄5年 8808粉丝 345原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值