给我推荐点 视频/mp4 转文本的工具，尽量能本地部署的

回复 群友 2286： 如果你要的是“把 MP4 里说的话转成文字”，推荐下面这几个，都能本地运行。模型准备好后，转写不用上传视频。 ① Buzz：最适合直接装好就用 有桌面界面，可以导入音频、视频，导出 TXT 文稿或 SRT、VTT 字幕，也支持说话人识别。 支持 Windows、macOS、Linux，可选多种 Whisper 后端；支持 NVIDIA CUDA、Apple Silicon 和部分 Vulkan 加速。 例如：把一段课程录像导入，选中文转写，完成后导出 TXT 就能拿到文稿。 注意：当前 Mac 版要求 Apple Silicon；Intel Mac 最后支持版本是 1.4.5。 https://github.com/chidiwilliams/buzz ② faster-whisper：适合自己写脚本、批量处理 它是 Python 转写库，不是开箱即用的桌面软件。支持 CPU、NVIDIA GPU、INT8 量化、词级时间戳和静音过滤。 例如：把一个文件夹的课程视频批量转成文字，或者集成进自己的知识库处理流程。音视频解码使用自带 FFmpeg 库的 PyAV，不需要单独安装系统 FFmpeg。 https://github.com/SYSTRAN/faster-whisper ③ WhisperX：适合访谈、会议和精细字幕 faster-whisper 官方 README 推荐的配套项目，重点是说话人分离和更精细的词级时间戳对齐。 例如：两个人的访谈，希望知道“谁在什么时间说了什么”，可以考虑它。部署比 Buzz 更复杂，说话人分离也不代表能自动知道人物姓名。 入口：上面 faster-whisper 仓库的 Community integrations 中有 WhisperX 链接。 我的建议：只想视频转文稿，先用 Buzz；要批量处理或集成程序，选 faster-whisper；需要区分说话人、精细对齐，再考虑 WhisperX。 这些主要识别声音，不是提取视频画面里的字幕或 PPT 文字；后者需要 OCR。你用的是 Windows 还是 Mac，有没有独显？