官网地址

https://github.com/chidiwilliams/buzz/releases
基于OpenAI Whisper。提供一个图形化界面使用

有时候想把会议的录音转换成文字，就有了这个需求。于是在网上找了一下现成的，发现也有不少，而这款看介绍用起来是最适合非技术人员的。就用这个。

优点：

  • 离线模型
  • 可根据不同的质量要求使用不同的模型

使用方式

首先在官网下载适合自己操作系统的安装文件，安装到本机。

image

安装完成，可以导入要转换的音视频文件。支持音频，也支持视频。

image-1707099033289

image-1707099201179

选择对应的模型和语言。我这里选择了medium模型，模型不存在的话，会下载模型（此时需要联网）。我尝试了tiny模型和medium模型。发现随着模型文件的增大，转换质量有着质的提升。

image-1707099252268

然后点击run就等待结果完成就可以了。

下载的模型默认存储地址

实践证明把文件放在指定的位置，即认为是下载好的。另外1.0.1版本把large版本分成了large-v2,large-v3。0.8.4版本的large即位large-v2。large-v3太大了，没下载。

0.8.4 版本

  • C:\Users${your_user_name}.cache\whisper

1.0.1 版本

  • C:\Users${your_user_name}\AppData\Local\Buzz\Buzz\Cache\models\whisper