chidiwilliams/buzz

解决的问题

Buzz 提供了一种在个人电脑上离线转录和翻译音频与视频文件的方法，无需依赖云端服务，并确保隐私。

运作原理

它由 OpenAI 的 Whisper 模型驱动，并支持多种硬件加速后端，包括用于 Nvidia GPU 的 CUDA、用于 Mac 的 Apple Silicon，以及用于其他各种 GPU 的 Vulkan。它可以处理上传的文件、YouTube 链接或来自麦克风的实时音频。

目标用户

专为需要高质量本地语音转文字转录和翻译的用户而设计，包括需要实时字幕的活动演讲者，以及寻求自动化 CLI 的开发人员。

特色亮点

• 多样化输入：支持音频/视频文件、YouTube 链接和实时麦克风输入。
• 增强准确度：包含语音分离功能，可处理嘈杂的音频并进行说话者识别。
• 灵活导出：转录内容可导出为 TXT、SRT 或 VTT 文件。
• 自动化工具：具备监控文件夹以进行自动处理，并提供命令行界面 (CLI)。
• 扩展性：包含用于 AI 摘要生成等任务的插件系统。