В Telegram-каналах разошёлся опенсорсный инструмент Buzz — программа для транскрибации звука, которая работает полностью локально на компьютере, без отправки данных в облако. Она построена на моделях Whisperi и доступна для Mac, Windows и Linux.

Инструмент принимает на вход аудио- и видеофайлы, ссылки на YouTube и живую запись с микрофона, а также умеет различать говорящих и выводить субтитры — это отличает его от простой транскрибации через облачные сервисы типа ChatGPT.

• Автор источника 1 протестировал Buzz на модели Tiny (самой простой из набора): английская речь из видео распозналась прилично, а русская живая речь с микрофона превратилась в бессмысленный набор фраз («Раз 2, 3, 4, 5. Выжел за чек по гулять. Друг охотник? Выбегает прямо в зающих изтрелает»)
• Помимо Tiny доступны более мощные модели — Small, Medium и Large, которые, по предположению автора, могут дать лучшее качество распознавания русской речи
• Скачать программу можно по ссылке https://sourceforge.net/projects/buzz-captions/files/, код открыт на GitHub: https://github.com/chidiwilliams/buzz
• Для Windows сборка не подписана, из-за чего система будет предупреждать о недоверенном приложении
• Полный список функций включает: разделение речи для повышения точности на шумных записях, определение говорящихi, поддержку нескольких бэкендов Whisper, CUDAi-ускорение на NVIDIA, поддержку Apple Silicon, Vulkan-ускорение Whisper.cpp на большинстве GPU (включая встроенную графику), поддержку моделей Hugging Face, экспорт в TXT/SRT/VTT, горячие клавиши, папку автоматического отслеживания новых файлов (Watch Folder), CLI и систему плагинов с ИИ-суммаризацией
• Инструмент бесплатный и с открытым исходным кодом