Chuyển đến nội dung

chidiwilliams / buzz

Buzz

Ứng dụng máy tính gỡ băng và dịch âm thanh offline bằng Whisper, xuất phụ đề SRT.

Buzz là ứng dụng có giao diện đồ hoạ để chuyển file âm thanh, video hoặc link YouTube thành chữ ngay trên máy, dựa trên mô hình Whisper của OpenAI. Hợp cho người không biết lập trình muốn tạo phụ đề, biên bản họp hay ghi chú bài giảng mà không phải gửi file lên dịch vụ trực tuyến.

  • 22.831 sao
  • 1.689 fork
  • Python
  • Cập nhật hôm qua
  • MIT (dùng tự do, kể cả thương mại)
Độ khó
Dễ Cài như phần mềm thường
Dạng
Ứng dụng máy tính
Chạy trên
Windows, macOS, Linux, Python
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng Buzz

Bạn tải bộ cài, mở ứng dụng, chọn một file ghi âm hoặc video, chọn mô hình Whisper và bấm bắt đầu. Khi xong, bạn có thể xem bản gỡ băng trong trình xem có tìm kiếm và phát lại, rồi xuất ra TXT, SRT hoặc VTT để làm phụ đề.

Buzz cũng có chế độ ghi âm trực tiếp từ micro, hợp khi nghe một buổi hội thảo và muốn có chữ chạy theo ngay. Có cả cửa sổ trình chiếu để hiển thị chữ lên màn hình lớn trong sự kiện. Ngoài ra bạn có thể nhập link YouTube hoặc đặt một thư mục theo dõi để file mới được gỡ băng tự động.

Ứng dụng nhắc rằng bộ cài Windows chưa ký số, nên khi cài có thể gặp cảnh báo; README hướng dẫn chọn More info rồi Run anyway. Tải bản chính thức từ các link README chỉ tới thay vì nguồn lạ.

Tính năng nổi bật

Gỡ băng offline

Chạy mô hình Whisper ngay trên máy nên âm thanh của bạn không phải tải lên dịch vụ nào.

Xuất phụ đề

Xuất TXT, SRT và VTT để dùng ngay với phần mềm dựng video hoặc trình phát.

Ghi âm trực tiếp

Nhận dạng giọng nói theo thời gian thực từ micro, kèm cửa sổ trình chiếu cho sự kiện.

Nhận biết người nói

Có tính năng gán nhãn người nói trong bản gỡ băng và tách giọng trước khi nhận dạng để chính xác hơn với âm thanh nhiễu.

Tăng tốc bằng GPU

Hỗ trợ CUDA cho card NVIDIA, chip Apple Silicon và Vulkan cho nhiều GPU kể cả card tích hợp.

Giao diện dòng lệnh và plugin

Có CLI cho người muốn tự động hoá, cùng hệ thống plugin như tóm tắt bằng AI hay chỉnh lại độ dài dòng phụ đề.

Tận dụng Buzz vào việc gì?

Người làm YouTube, TikTok

Làm phụ đề cho video

Chạy file video qua Buzz rồi xuất SRT để nhập vào phần mềm dựng.

Dân văn phòng, sinh viên

Gỡ băng cuộc họp, bài giảng

Chuyển file ghi âm thành văn bản có thể tìm kiếm để ôn tập hoặc làm biên bản.

Người tự học

Ghi chú từ video trực tuyến

Dán link YouTube bài học để có bản chữ phục vụ ghi chép, nhớ tôn trọng bản quyền của video.

Người tổ chức hội thảo

Hiển thị lời thoại tại sự kiện

Dùng chế độ nhận dạng trực tiếp và cửa sổ trình chiếu để hiện chữ cho khán giả.

Cần chuẩn bị gì?

  • Windows, macOS (README nói hiện cần chip Apple Silicon; Mac Intel dùng được tới bản 1.4.5) hoặc Linux.
  • Card NVIDIA, Apple Silicon hoặc GPU hỗ trợ Vulkan sẽ nhanh hơn, nhưng không bắt buộc.
  • Nhiều dung lượng đĩa cho các mô hình Whisper, lớn hơn thì nặng hơn.
  • Nếu cài từ PyPI: Python 3.12 và ffmpeg.

Hướng dẫn cài đặt chi tiết

Cài trên Windows

  1. Tải file cài đặt từ SourceForge, link nằm trong README của dự án.

    Văn bản
    https://sourceforge.net/projects/buzz-captions/files/
  2. Cách nhanh hơn: mở PowerShell và cài bằng winget (trình quản lý ứng dụng có sẵn trên Windows 10/11).

    PowerShell
    winget install --id ChidiWilliams.Buzz -e
  3. Chạy bộ cài. Vì ứng dụng chưa ký số nên Windows có thể cảnh báo; làm theo README: chọn More info rồi Run anyway.

  4. Mở Buzz từ menu Start và chọn mô hình Whisper cần dùng khi gỡ băng lần đầu.

Cài trên macOS

  1. Tải file .dmg từ SourceForge (cùng trang như Windows). Lưu ý README nói Buzz giờ cần chip Apple Silicon; Mac Intel chỉ dùng được tới bản 1.4.5.

    Văn bản
    https://sourceforge.net/projects/buzz-captions/files/
  2. Cách nhanh hơn: nếu đã có Homebrew, mở Terminal và cài bằng một lệnh.

    Terminal
    brew install --cask buzz
  3. Mở file .dmg và kéo Buzz vào thư mục Applications.

Cài trên Linux

  1. Cài bằng Flatpak từ Flathub.

    Terminal
    flatpak install flathub io.github.chidiwilliams.Buzz
  2. Hoặc cài bằng Snap (cần một vài gói hệ thống trước).

    Terminal
    sudo apt-get install libportaudio2 libcanberra-gtk-module libcanberra-gtk3-module
    sudo snap install buzz

Cài trên PyPI

  1. Cài ffmpeg và dùng Python 3.12 trong môi trường ảo, rồi cài và chạy Buzz.

    Terminal
    pip install buzz-captions
    python -m buzz

Dùng thử lần đầu

  1. Mở Buzz và chọn nhập file hoặc link YouTube. Bắt đầu với một đoạn âm thanh ngắn vài phút để thử.

  2. Chọn mô hình Whisper cỡ nhỏ trước, vì mô hình lớn hơn chính xác hơn nhưng nặng và chậm hơn, và chọn ngôn ngữ nếu muốn.

  3. Bấm bắt đầu và chờ xử lý. Khi xong, mở bản gỡ băng trong trình xem để đối chiếu với âm thanh.

  4. Xuất kết quả ra SRT hoặc TXT để đưa vào phần mềm dựng hoặc soạn thảo.

  5. Máy có card NVIDIA và dùng Buzz từ phiên bản 1.4.6 trở lên thì vào Help, About Buzz để cài thêm tăng tốc CUDA như README hướng dẫn.

Mẹo dùng hay

  • Nhập thử trên đoạn ngắn trước khi chạy cả buổi họp dài để chọn mô hình và ngôn ngữ cho hợp.
  • Dùng chế độ thư mục theo dõi nếu bạn thường xuyên có file ghi âm mới: file thả vào sẽ được gỡ băng tự động.
  • Âm thanh nhiều tạp âm thì thử bật tách giọng trước khi nhận dạng để chữ chính xác hơn.

Lưu ý và hạn chế

  • Chất lượng tiếng Việt phụ thuộc mô hình Whisper chọn; mô hình nhỏ dễ sai tên riêng và từ chuyên ngành. Hãy kiểm tra lại trước khi dùng chính thức.
  • Bộ cài không được ký số nên Windows có thể hiện cảnh báo; chỉ tải từ nguồn mà README chỉ tới.
  • Gỡ băng link YouTube hoặc ghi âm người khác cần tôn trọng bản quyền, điều khoản nền tảng và sự đồng ý của người được ghi âm.

Câu hỏi thường gặp

Buzz có miễn phí không?

Có. Giấy phép MIT, dùng miễn phí. Việc tải mô hình Whisper cũng không tốn phí.

Có cần Internet không?

Chỉ cần Internet khi tải ứng dụng và tải mô hình lần đầu hoặc khi dùng link YouTube. Gỡ băng file trên máy chạy offline.

Máy không có card đồ hoạ có dùng được không?

Dùng được bằng CPU nhưng sẽ chậm với mô hình lớn. README còn nói Vulkan hỗ trợ nhiều GPU kể cả card tích hợp.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/chidiwilliams/buzz.git

Repo tương tự nên xem

Giọng nói & âm thanh AI113K

Whisper

openai / whisper

Chuyển giọng nói trong file ghi âm, video thành văn bản ngay trên máy, hỗ trợ nhiều ngôn ngữ

VừaWindowsmacOSLinuxPython
Giọng nói & âm thanh AI26,8K

faster-whisper

SYSTRAN / faster-whisper

Thư viện chạy Whisper nhanh hơn và tốn ít bộ nhớ hơn để chuyển giọng nói thành chữ.

VừaWindowsmacOSLinuxPython
Giọng nói & âm thanh AI55,2K

whisper.cpp

ggml-org / whisper.cpp

Chạy mô hình nhận dạng giọng nói Whisper của OpenAI ngay trên máy, nhẹ, offline, không cần Python

KhóWindowsmacOSLinuxAndroid+2

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Giọng nói & âm thanh AI

Giọng nói & âm thanh AI65,2K

GPT-SoVITS

RVC-Boss / GPT-SoVITS

Nhân bản giọng nói chỉ từ 5 giây âm thanh, hoặc tinh chỉnh với khoảng 1 phút dữ liệu, kèm WebUI đầy đủ

VừaWindowsmacOSLinuxDocker+1
Giọng nói & âm thanh AI57,2K

VibeVoice

microsoft / VibeVoice

Bộ mô hình giọng nói của Microsoft: nhận dạng giọng nói dài 60 phút và đọc văn bản theo thời gian thực

KhóLinuxDockerPython
Giọng nói & âm thanh AI40K

ChatTTS

2noise / ChatTTS

Mô hình đọc văn bản cho hội thoại, giọng tự nhiên có cả tiếng cười và quãng ngắt nghỉ

KhóWindowsLinuxmacOSPython
Giọng nói & âm thanh AI39,3K

RVC (Retrieval-based Voice Conversion WebUI)

RVC-Project / Retrieval-based-Voice-Conversion-WebUI

Đổi giọng nói thành giọng khác chỉ cần khoảng 10 phút dữ liệu để huấn luyện, có giao diện web

KhóWindowsLinuxPython
Giọng nói & âm thanh AI38,3K

OpenVoice

myshell-ai / OpenVoice

Nhân bản âm sắc giọng nói từ một đoạn mẫu ngắn và cho đọc bằng nhiều ngôn ngữ, giấy phép MIT

KhóLinuxWindowsDockerPython
Giọng nói & âm thanh AI33,8K

Fish Speech

fishaudio / fish-speech

Mô hình đọc văn bản thành giọng nói, nhân bản giọng và điều khiển cảm xúc bằng thẻ trong câu.

KhóLinuxDockerPython

Xem cả 20 repo Giọng nói & âm thanh AI Về Kho Repo