Buzz語音識別轉(zhuǎn)文字

Buzz語音識別轉(zhuǎn)文字工具，一款神級軟件，能自動識別歌曲或者視頻里的語音內(nèi)容，并將其提取轉(zhuǎn)換為可編輯的文本格式，方便進(jìn)行字幕添加，文字導(dǎo)入等操作。Buzz軟件支持90多種語言，自帶翻譯功能，識別率高，并且自身為單文件程序，使用方便，支持官方中文。本站帶來最新Buzz 0.8版本資源下載，有需要的朋友們快來體驗(yàn)吧！

Buzz最新版功能

導(dǎo)入音頻和視頻文件并導(dǎo)出文本到 TXT、SRT 和 VTT

從你計(jì)算機(jī)的麥克風(fēng)轉(zhuǎn)錄和翻譯成文本（資源密集型且可能不是實(shí)時(shí)的）

支持Whisper、 Whisper.cpp、Faster Whisper、 與Whisper 兼容的 Hugging Face 模型和OpenAI Whisper API

適用于 Mac、Windows 和 Linux

軟件特點(diǎn)

- 導(dǎo)入音頻和視頻文件，并將轉(zhuǎn)錄導(dǎo)出為 CSV、SRT、TXT 和 VTT 格式。

- 支持通過計(jì)算機(jī)麥克風(fēng)進(jìn)行實(shí)時(shí)語音轉(zhuǎn)錄和翻譯(請注意，使用 Whisper 進(jìn)行音頻轉(zhuǎn)錄可能會消耗較多的系統(tǒng)資源，轉(zhuǎn)錄的實(shí)時(shí)性取決于系統(tǒng)資源和所選的語言和模型大小)。

- 支持超過90種語言的音頻轉(zhuǎn)錄，包括從 X 語言到英文文本和從 X 語言到 X 語言的轉(zhuǎn)錄。

- 支持 Whisper、Whisper.cpp、Faster Whisper、Whisper 兼容的 Hugging FaCE 模型以及 OpenAI Whisper API。

- 提供命令行界面。

- 可在 Mac、Windows 和 Linux 系統(tǒng)上使用。

軟件說明

1. 下載和安裝：從 Buzz 的官方網(wǎng)站或開源代碼倉庫下載適用于您操作系統(tǒng)的版本，并按照安裝說明進(jìn)行安裝。

2. 配置語音輸入：連接麥克風(fēng)，確保系統(tǒng)正確識別麥克風(fēng)設(shè)備。

3. 啟動 Buzz：打開 Buzz 應(yīng)用程序或在終端中運(yùn)行 Buzz 命令。

4. 選擇輸入方式：根據(jù)需求選擇實(shí)時(shí)語音輸入或?qū)�入音頻、視頻文件。

5. 開始轉(zhuǎn)換：根據(jù)界面提示或命令行參數(shù)設(shè)置，開始進(jìn)行語音轉(zhuǎn)文字操作。

6. 導(dǎo)出結(jié)果：轉(zhuǎn)換完成后，將結(jié)果導(dǎo)出為文本文件、字幕文件或其他合適的格式。

操作方法

文件導(dǎo)入

要導(dǎo)入文件：

單擊文件菜單上的導(dǎo)入媒體文件（或工具欄上的“+”圖標(biāo)，或 Command/Ctrl + O）。

選擇音頻或視頻文件。

選擇任務(wù)、語言和模型設(shè)置。

單擊運(yùn)行。

當(dāng)轉(zhuǎn)錄狀態(tài)顯示“已完成”時(shí)，雙擊該行（或選擇該行并單擊“⤢”圖標(biāo)）以打開轉(zhuǎn)錄。

字段選項(xiàng)默認(rèn)說明

導(dǎo)出為“TXT”、“SRT”、“VTT” “TXT”導(dǎo)出文件格式

Word-Level Timings Off / On Off 如果選中，轉(zhuǎn)錄將為音頻中的每個(gè)單詞生成單獨(dú)的字幕行。 僅當(dāng)“導(dǎo)出為”設(shè)置為“SRT”或“VTT”時(shí)啟用。

（有關(guān)任務(wù)、語言和質(zhì)量設(shè)置的更多信息，請參閱現(xiàn)場錄制部分。）

Buzz 上的媒體文件導(dǎo)入

現(xiàn)場錄音

要開始現(xiàn)場錄制：

選擇錄音任務(wù)、語言、質(zhì)量和麥克風(fēng)。

單擊記錄。

注意：使用默認(rèn)的 Whisper 模型轉(zhuǎn)錄音頻會占用大量資源。 考慮使用 Whisper.cpp Tiny 模型來獲得實(shí)時(shí)性能。

字段選項(xiàng)默認(rèn)說明

任務(wù)“轉(zhuǎn)錄”、“翻譯”、“轉(zhuǎn)錄”、“轉(zhuǎn)錄”將輸入的音頻轉(zhuǎn)換為所選語言的文本，而“翻譯”則將其轉(zhuǎn)換為英文文本。

語言 有關(guān)受支持語言的完整列表，請參閱 Whisper 的文檔 “檢測語言” “檢測語言”將嘗試根據(jù)前幾秒檢測音頻中的口頭語言。 但是，建議選擇一種語言（如果已知），因?yàn)樵谠S多情況下它會提高轉(zhuǎn)錄質(zhì)量。

質(zhì)量“非常低”、“低”、“中”、“高” “非常低” 轉(zhuǎn)錄質(zhì)量決定了用于轉(zhuǎn)錄的 Whisper 模型。 “Very Low”使用“tiny”模型； “Low”使用“base”模型； “中”使用“小”模型； 而“高”使用“中”模型。 更大的模型產(chǎn)生更高質(zhì)量的轉(zhuǎn)錄，但需要更多的系統(tǒng)資源。 有關(guān)模型的更多信息，請參閱 Whisper 的文檔。

麥克風(fēng) [可用系統(tǒng)麥克風(fēng)] [默認(rèn)系統(tǒng)麥克風(fēng)] 用于錄制輸入音頻的麥克風(fēng)。