如果要將錄音、影片內容轉為文字檔案，以往要透過人工方式手動繕打逐字稿，不但很耗費時間，也可能會出現不少錯誤，現在透過人工智慧 AI 技術可以使用機器進行聲音辨識，幾秒鐘時間就能完成轉換，對於製作影片字幕來說也會很有幫助，之前整理過「免費逐字稿軟體：10 個將錄音檔、語音轉文字工具推薦」收錄很多辨識工具，大部分可在有限制的情況下免費使用，其中 Vocol.ai 和雅婷逐字稿都是台灣公司，對中文內容甚至台語都有相當好的辨識效果。
本文要介紹「Buzz」是一個開放原始碼工具，可以在使用者的電腦上進行離線的語音辨識、轉錄和翻譯工作，背後的技術為 OpenAI 旗下 Whisper 技術，和之前介紹過的 MacWhisper、Whisper JAX 相同，利用麥克風輸入聲音並快速轉換成純文字（也能加上時間戳記），或是匯入音訊檔、影片檔再使用預先選擇的模型進行辨識轉換，此外，還內建翻譯功能，遇到外文時可以即時轉錄、翻譯為中文或特定語言輸出。
Buzz 支援 Mac、Windows 和 Linux 三大作業系統，可匯入音訊或影片檔案、並將文字記錄匯出為 TXT、SRT 和 VTT 三種格式，支援的模型包括 Whisper、Whisper.cpp、Faster Whisper、相容 Whisper 的 Hugging Face 模型和 OpenAI Whisper API 。
Buzz
https://chidiwilliams.github.io/buzz/docs（GitHub）
使用教學
開啟 Buzz 的 GitHub 頁面後點選「Releases」，從最新版本下方找到要下載的版本，提供 Windows、Mac 和 Linux 適用的安裝程式。
Windows 就照著一般安裝方式執行安裝，Mac 則是將 Buzz 拖曳到應用程式資料夾。
如果要使用麥克風錄音、收音，即時辨識並轉換為文字稿，點選左上角「Record」錄音按鈕。
預設使用的模型為 Whisper、資料庫 Tiny ，進行的方式是轉錄（transcribe）也就是將聲音轉為純文字，若有需要將內容翻譯成其他語言可在這裡切換為「translate」，語言部分預設為自動偵測、選擇要輸入聲音的裝置後點選右上角錄音就會開始轉錄、識別並轉換為文字檔。
第一次使用時 Buzz 會先下載語言模型相關檔案，有些容量較大，會需要一段時間取得資料，這些資料就適用於稍後讓軟體可以辨識語音內容，同時將它們轉換為文字格式，Whisper 技術能夠辨識超過 100 種語言，準確度高而且幾乎沒有使用限制。
另一個轉錄方式是匯入媒體檔案，點選上方選單後就會有「Import Media File」匯入媒體檔案，在這裡可選擇音訊或影片，丟進去 Buzz 進行聲音的辨識，將內容轉換為文字或是字幕檔。
在匯入後一樣能選擇使用的語言模型、任務內容、語言，下方選擇要匯出的檔案格式：TXT、SRT 或 VTT。
點選執行後 Buzz 就會開始進行轉錄，完成後就能順利取得文字檔，雖然結果不一定 100% 正確，但可以節省使用者相當多的時間。
值得一試的三個理由：
- 不僅提供離線語音辨識、轉錄，還整合翻譯功能，能即時轉錄並翻譯成多種語言
- 開放原始碼軟體，支援包括 Mac、Windows 和 Linux 在內的主要操作系統
- 以麥克風輸入或選取音訊、影片檔，支援多種輸出格式（TXT、SRT、VTT）
