Buzz – 开源、可离线的实时语音转文字工具

Buzz 是一款基于 OpenAI Whisper 的开源、可离线的实时语音转文字工具,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。@Appinn

Buzz - 开源、可离线的实时语音转文字工具

来自发现频道,@suliveevil 同学推荐:https://meta.appinn.net/t/topic/38263

Buzz:离线语音转文字(字幕),实时语音识别,基于 OpenAI Whisper

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)

碎碎念

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,目前的安装包吃吃:

  • Buzz-0.5.8-mac.dmg 330 MB
  • Buzz-0.5.8-unix.tar.gz 1.5 GB
  • Buzz-0.5.8-windows.tar.gz 261 MB
  • Buzz.exe 161 MB

还是很可观的。

Whisper 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-only modelMultilingual model必需的显存行对速度
tiny39 Mtiny.entiny~1 GB~32x
base74 Mbase.enbase~1 GB~16x
small244 Msmall.ensmall~2 GB~6x
medium769 Mmedium.enmedium~5 GB~2x
large1550 MN/Alarge~10 GB1x

Whisper 模型存储在电脑中:

  • ~/.cache/whisper~/Library/Caches/Buzz (macOS)
  • ~/.cache/Buzz (Linux)
  • C:\Users/<username>\AppData\Local\Buzz\Buzz\Cache (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 - 开源、可离线的实时语音转文字工具 1

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

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

写留言