这两年开源社区出了两个特别典型的工具：一个让普通人也能用上 AI 语音转文字，一个让普通人也能用上全网最强视频下载引擎。它们就是 Buzz 和 Stacher。它们本身不一定都开源，但都站在巨人的肩膀上，把开源界最硬核的命令行工具包上了一层好看的"皮"。

—— 一个管"听"，一个管"下"，堪称自媒体、老师和普通用户的两大效率利器。

一、Buzz：把你的电脑变成离线转写机

项目主页：https://github.com/chidiwilliams/buzz 协议：MIT（完全开源、免费、可商用） 热度：GitHub 2 万 + star，Windows / macOS / Linux 三平台

1.1 它解决什么问题

Buzz 是 OpenAI Whisper 的桌面图形界面（GUI）。Whisper 是 OpenAI 开源的语音识别模型，官方宣称支持近百种语言，即使音频嘈杂、带口音也能转写。但 Whisper 原版是 Python 命令行工具——要装 Python、配环境、敲一长串参数，对普通人来说门槛太高。

Buzz 做的事情就是：安装一个 App，导入音频/视频，点几下鼠标，字幕就出来了。

而且 全程离线运行——音频数据不离开你的电脑，对隐私敏感的用户（会议录音、医疗记录、访谈素材）非常友好。

1.2 核心功能清单

1.3 模型怎么选（关键！）

Buzz 支持多种推理引擎，这是它最核心的设置项：

引擎对比：

模型大小选择（Whisper 系列，从大到小）：

实操建议：先拿 small 跑一遍看效果，不满意再升 medium。中文音频如果带方言口音，可以升到 medium/large 并在"提示词（Prompt）"栏填上诸如"以下为中文普通话访谈"之类的上下文提示，能明显提升准确率。

硬件加速：

• NVIDIA 显卡 → CUDA 加速（可用 large 近实时）
• Apple Silicon（M 系列）→ Core ML / Metal 加速
• 任意显卡（含核显）→ Vulkan 加速（Whisper.cpp）

1.4 三步上手实战

1. 安装：去 GitHub Releases 页下载对应平台的安装包（macOS 可 brew install --cask buzz；Windows 走安装器或便携版；Linux 有 AppImage / Snap）。
2. 开始转写：打开 App → 把音频文件拖进窗口（或粘贴 YouTube 链接）→ 选择任务（转写/翻译）、引擎、模型大小 → 点击运行。
3. 导出：转写完成后，在结果上右键 → 导出 SRT/VTT，直接拖进剪映、Premiere 或 B站投稿页用。

批量场景：把"监视文件夹"设为某个目录，扔进去的每一条录音转完会自动出现在列表中，无需手工操作。

进阶脚本：装了 CLI 后可以直接在终端批量跑：

# 用 whisper.cpp 的 small 模型转写并同时导出 SRT 和 VTT
buzz add --task transcribe --model-type whispercpp --model-size small --srt --vtt 访谈.mp4

1.5 常见问题

• 中文显示乱码/标点问题：Whisper 对中文标点不敏感，导出后建议用正则批处理把英文标点替换为中文标点。
• 人名、专有名词总错：Prompt 里先写上"涉及的人名：xx、xx"，或者用 Whisper 的 --initial-prompt 指定术语表。
• 背景音乐/噪声影响准确率：Buzz 有"提取语音轨道"选项，转写前先把人声和 BGM 分离，能显著提升准确率。
• 老 Mac 跑不动：改用 OpenAI API 引擎（按量计费，极便宜），或者升 Whisper.cpp + Vulkan。

二、Stacher：yt-dlp 的"傻瓜模式"

官网：https://stacher.io 当前版本：Stacher 7（v7.1.x，滚动更新） 支持平台：Windows / macOS（Intel 与 Apple Silicon）/ Linux（64 位） 价格：免费无广告；Premium 为可选项（解锁媒体库、自定义主题等，含 30 天试用）

2.1 它解决什么问题

yt-dlp 是目前公认最强大的开源视频下载引擎：支持上千个网站（YouTube、B站、Twitter/X、Instagram、TikTok、Facebook、Twitch……），能下 4K/8K、整串播放列表、只抽音轨、抓字幕，还紧跟平台改版（YouTube 一改版它几天内就更新）。

问题只有一个：它是纯命令行工具。参数几百个，yt-dlp -f "bestvideo+bestaudio" --merge-output-format mp4 网址 这类指令直接劝退 99% 的用户。

Stacher 就是给 yt-dlp 套的图形外壳：粘贴链接 → 选画质 → 点下载，三步完成。底层依赖两大开源组件：yt-dlp（下载引擎）和 ffmpeg（音视频合并/转码）。

⚠️ 关于开源与否：Stacher 本身是免费软件但闭源（作者多次确认暂不开放源码）。开源的是它底层的 yt-dlp 和 ffmpeg。如果你坚持"全程开源"，第二节末尾有开源替代品清单。

2.2 核心功能清单

2.3 安装与首次启动

1. 去 stacher.io 下载对应平台安装包（Windows：Setup.exe；macOS：dmg，Intel 与 Apple Silicon 均有；Linux：Debian 系 .deb）。
2. 首次启动向导会自动检测并帮你装好 yt-dlp（存放在用户目录如 ~/.stacher/yt-dlp），全程零命令。
3. ffmpeg 需要手动配置：Stacher 不捆绑也不自动安装 ffmpeg，但会检测缺失并给出下载引导。下载 1080p 以上视频时必须靠它合并"分离的影像流 + 音轨"，建议首次使用就装好。

2.4 三个最常用场景

场景一：下载单个高画质视频

复制链接 → 粘贴到顶部网址栏 → 点 Fetch/Get Info 拉取可用画质列表 → 选 1080p/4K（2160p）→ 下载。默认输出兼容性最好的 MP4。

场景二：收藏整张播放列表 / 整个频道

直接把"播放列表"或频道主页链接贴进去，Stacher 自动把列表展开为下载队列，可勾选需要的集数，一次抓完整个系列。

场景三：把演讲/音乐抽成 MP3 放进手机

在输出设置里选择"仅音频（Audio）"并指定 MP3 格式，Stacher 通过 ffmpeg 抽轨转码。适合整理播客、白噪音、公开课。

2.5 进阶技巧与避坑

• 按 Ctrl+Enter 调出命令构建器：Stacher 界面没有的 yt-dlp 参数，都可以在这里直接手写追加，等于"高级模式开关"。
• 4K 下完没声音？：高画质下 YouTube 把影像和声音分成两条流，必须 ffmpeg 合并。确认 ffmpeg 已正确安装；另外部分高画质源是 VP9/AV1 编码（.webm），老播放器不支持，换 PotPlayer、K-Lite 解码包即可。
• 网站需要登录？：在网址栏右侧设置账号密码，或从浏览器导出 Cookie 填入。
• 下载失败的第一反应：平台改版了 → 设置里一键更新 yt-dlp 到最新版。这是 Stacher 比传统下载软件"耐用"的核心原因。
• Stacher 7 是 6 代的彻底重写（多配置系统、新式媒体库、内部架构焕然一新），网上老文章里关于旧版设置界面的描述已不适用。

三、它们背后的开源功臣

这两款工具真正的灵魂是各自的开源底座：

Buzz 官方文档还支持 Hugging Face 上的各种 Whisper 衍生模型（Parakeet、Qwen3-ASR、MMS 千语言模型等），生态非常活跃。

四、怎么选？一张图看懂

我想把录音/视频变成文字 ─▶ Buzz（默认选 small 模型）→ this
                            ├─ 要字幕成品 → Subtitle Edit 校对
                            └─ 苹果用户嫌界面糙 → MacWhisper

我想下载视频/音频 ──────▶ Stacher（免命令行，免费）
                            ├─ 坚持全开源 → Seal（安卓）/ Hitomi Downloader（Win）
                            ├─ 有服务器 → MeTube + Tube Archivist
                            └─ 高阶玩家 → 直接用 yt-dlp 命令行 + 脚本

终极工作流示例（某 UP 主的一天）：

1. 采访录音丢进 Buzz 监视文件夹 → 自动转写，导出 SRT；
2. 素材视频用 Stacher 从 B站/YouTube 下载 1080p 原声素材；
3. ffmpeg 混音剪辑 → Subtitle Edit 校对字幕 → 投稿。

全程零命令行，全部基于开源生态。

五、结语与合规提醒

Buzz 让"AI 转写"从极客玩具变成普通人的日常工具；Stacher 让"全网最强下载引擎"变成双击可用的 App。它们代表了开源世界的一种普遍模式：强大的底层引擎 + 友好的图形外壳 = 普通人也能用上顶级能力。

最后提醒：下载工具请尊重版权，只下载自己有权限/已获授权的内容；转写工具涉及他人隐私时请先征得同意。