【Buzz】离线语音转文字、实时语音识别 语音识别转文字开发怎么做

【Buzz】离线语音转文字、实时语音识别

Buzz是基于OpenAIWhisper的离线语音转文字（字幕），实时语音识别工具。

功能实时语音转文字、实时翻译（需麦克风权限）导入音频、视频文件（mp3、wav、m4a、ogg、mp4、webm、ogm），导出逐句字幕或逐词字幕（导出格式：TXT、SRT、VTT）

相较于Autocut功能更单一，专注于语音转文字、字幕生成。相较于命令行Python版Whisper速度更快，有GUI对普通用户更友好。

由于支持离线，所以…尺寸是一个很大的问题：

Buzz-0.5.8-mac.dmg330MBBuzz-0.5.8-unix.tar.gz1.5GBBuzz-0.5.8-windows.tar.gz261MBBuzz.exe161MBWhisper是什么？

Whisper是一种通用语音识别模型。它利用各种大型数据集上的音频进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。

在第一次使用Buzz的时候，会下载Whisper的模型，根据不同的质量要求，模型尺寸也非常可观：

质量尺寸English-onlymodelMultilingualmodel必需的显存行对速度tiny39Mtiny.entiny~1GB~32xbase74Mbase.enbase~1GB~16xsmall244Msmall.ensmall~2GB~6xmedium769Mmedium.enmedium~5GB~2xlarge1550MN/Alarge~10GB1x

Whisper模型存储在电脑中：

~/.cache/whisper~/Library/Caches/Buzz（macOS）~/.cache/Buzz（Linux）C:Users\AppDataLocalBuzzBuzzCache（Windows）

当卸载的时候，别忘记把模型也删掉。

Buzz也相当于是一个Whisper的可视化界面版本。

Buzz界面

Buzz提供了两个任务：

Translate翻译Transcribe转录

如果想要从文件转录，需要单击“文件”菜单上的“导入”（或在Mac上单击command+O，在Windows上单击按Ctrl+O）

支持的格式：“mp3”，“wav”，“m4a”，“ogg”，“mp4”，“webm”，“ogm”

导出的格式：“TXT”、“SRT”、“VTT”

转换过程根据电脑性能有快有慢，最终会直接给出文件，效果还是非常不错的。对中文的识别也很好。

获取

https://github.com/chidiwilliams/buzz

来源：https://www.appinn.com/buzz-openai-whisper/