MakotoArai

开源语音转文字软件保姆级本地部署教程(Buzz篇)

Buzz离线本地部署教程

Buzz 是一款可以自动识别语音为文本字幕的软件工具,基于 OpenAI 开源的 Whisper 自动语音识别模型,可以批量将音频或者是视频中的内容自动转化为带有时间的字幕,速度非常快,是一款能极大提高效率的生产力小工具。我体验下来转换效果还是很不错的。具体怎么样见测试……

1. 附件表

按照国际惯例,先放附件表,Github可能连不上,请使用霍格沃兹环境或使用GitHub国内加速

文件名网站类型霍格沃兹文件大小适用系统
Buzz-1.1.0-windows.exeGithub需要331MBWindows
Buzz-1.1.0-mac.dmgGithub需要279MBMacOS
Buzz-Windows-X64.zipGithub需要1.51GBWindows
Buzz-macOS-X64.zipGithub需要404MBMacOS on X86
Buzz-macOS-ARM64.zipGithub需要283MBMacOS on ARM
Bandzip官网不需要10.86MBWindows

2. 和CapsWriter 的区别

3. 软件下载安装

1. 下载

2. 安装(会解压/安装直接看第4步)

1. 1.1.0版本及以下版本的安装

  1. 找到下载下来的文件,双击打开,提示要管理员权限请选择“
  2. 依次点击Next-->选择安装目录-->Install-->Finish,我已经安装过了,没有选择安装路径的选项,但是安装路径其实是可以更改的。


2. 1.2.0版本的安装

  1. 找到下载下来的文件,右键选择解压到其他文件夹
  2. 选择你找得到的文件夹(比如桌面),确定,解压以后找到解压出来的文件夹
  3. 解压出来以后是一个可执行EXE文件,直接双击运行
  4. 依次点击Next-->选择安装目录-->Install-->Finish,和1.1.0版本及以下版本的安装步骤一样

4. 下载模型

1.打开以后默认是英文的(我也忘记怎么设置的中文了[doge]),选择帮助,选择偏好设定

  1. 选择models,下载你想要的模型,一般最好依据你的机器性能选择,Tiny是性能最好的,但是识别精确率比较低,往下精确率会逐渐提高,但是也意味着转换时间变长,对设备的要求也更高。

5. 使用测试

1. 语音识别

  1. 关闭窗口返回首页,第一个麦克风图标按钮是语音识别,点击即可打开识别窗口
  2. 打开以后,第二项选择你下载好的模型,软件默认选择Tiny,第三项选择模式,翻译还是语音转文字,第五项选择语言。如果是默认的检测语言,中文转换结果可能会是繁体
  3. 点击录制开始录音,点击停止开始语音转文字

2. 音视频转换

  1. 软件支持本地文件和远程文件(直链)转换,+是本地文件识别,🔗是远程文件识别
  2. 这里使用上篇测试视频进行转换测试,选择文件时可以在右下角选择文件类型
  3. 我选择的是Whisper (Large-v3),耗时41秒,双击你的转换结果即可查看详情。我试过了,转换效果简直惨不忍睹😅,换个模型基本能解决,毕竟不是专门的中文模型,可以理解


  4. 换一个日语的视频(选自Re:0 从零开始的异世界生活)进行测试,也是一样的模型

6. QA

暂时没有

7. 结束

至此教程结束,致敬每一位开源作者。如果对你有用,请给原作者点个Star支持开源精神。

对本文有什么疑问或者意见(或者有啥想对我说的),欢迎在评论区评论补充Ciallo~(∠・ω< )⌒★

当前页面是本站的「Google AMP」版。查看和发表评论请点击:完整版 »