Buzzは、OpenAIの音声認識モデルWhisperを使い、音声の文字起こしと翻訳を自分のパソコン上でオフラインのまま行うデスクトップアプリです。MITライセンスのオープンソースで、Windows・macOS・Linuxで使えます。

主な機能

音声・動画ファイルのほか、YouTubeのリンクを指定して文字起こしできます。マイクからのリアルタイム文字起こしにも対応し、イベントや発表の場で見やすいプレゼンテーション用ウィンドウを表示できます。ノイズの多い音声に向けて文字起こし前に音声を分離する機能や、話者を識別する機能もあります。

結果はTXT・SRT・VTT形式で書き出せるため、そのまま字幕ファイルとして使えます。文字起こしビューアでは検索や再生速度の調整ができ、監視フォルダに入れた新しいファイルを自動で処理する機能や、スクリプトから呼び出せるコマンドラインインターフェースもあります。

選べる音声認識エンジン

Whisper、Whisper.cpp、Faster Whisper、Hugging FaceのWhisper互換モデルに加え、ParakeetやQwen3-ASRなどのモデルも選べます。NVIDIA GPUのCUDA、MacのApple Silicon、Whisper.cppでのVulkanによる高速化に対応し、OpenAIのWhisper APIを使ってサーバー側で処理することもできます。

料金と注意点

アプリは無料で、SourceForge・Flatpak・Snap・PyPIから入手できます。アプリの表示言語には日本語の翻訳ファイルが含まれています。小さいモデルは速い代わりに誤りが増え、大きいモデルは精度が上がる代わりに高い性能のパソコンか長い処理時間が必要です。Windows版は署名されていないため、インストール時に警告が表示されます。現在の版はApple Silicon搭載のMacが必要です。