Buzz (โปรแกรมถอดเสียง แปลเสียง ออฟไลน์ ใช้เทคโนโลยี Whisper จาก OpenAI)

โปรแกรม Buzz

Buzz (โปรแกรมถอดเสียง แปลเสียง แบบออฟไลน์ ใช้เทคโนโลยี Whisper จาก OpenAI) : โปรแกรม Buzz เป็นโปรแกรมสำหรับการถอดเสียง และแปลเสียง แบบออฟไลน์บน คอมพิวเตอร์ส่วนตัว (PC) โดยใช้เทคโนโลยี Whisper จาก OpenAI (ผู้พัฒนา ChatGPT) นั่นเอง

โดยโปรแกรม Buzz ตัวนี้ ได้ถูกออกแบบมาเพื่อให้ผู้ใช้สามารถนำไฟล์เสียง หรือไฟล์วิดีโอ ต่าง ๆ มาแปลงเป็นข้อความได้ โดยไม่ต้องเชื่อมต่อ อินเทอร์เน็ต (Internet) และยังสามารถแปลข้อความที่ได้เป็นภาษาต่าง ๆ ได้ทันทีภายในเครื่อง โดยไม่ต้องส่งข้อมูลออกไปยัง เซิร์ฟเวอร์ (Server) ภายนอก ซึ่งเหมาะสำหรับผู้ใช้ที่ต้องการความเป็นส่วนตัว, ความปลอดภัย และความสะดวกในการทำงานกับเสียง

โปรแกรม Buzz รองรับการทำงานบน ระบบปฏิบัติการ (OS) หลักทั้ง วินโดวส์ (Windows), แมคโอเอส (macOS) และ ลีนุกซ์ (Linux) โดยมีทั้งเวอร์ชัน ส่วนติดต่อผู้ใช้งานแบบกราฟิก (GUI) และ ส่วนติดต่อผู้ใช้แบบบรรทัดคำสั่ง (CLI) สำหรับผู้ใช้ที่ต้องการควบคุมผ่านเทอร์มินัล โปรแกรมสามารถนำเข้าไฟล์เสียง หรือวิดีโอได้หลากหลายรูปแบบ และส่งออกข้อความที่ถอดเสียงแล้วเป็นไฟล์ .txt, .srt หรือ .vtt ได้ตามต้องการ นอกจากนี้ ยังสามารถใช้ไมโครโฟนของเครื่องเพื่อถอดเสียงแบบเรียลไทม์ได้ แม้จะใช้ทรัพยากรค่อนข้างสูง และอาจมีดีเลย์ในการทำงานอยู่บ้าง

ในขณะที่ ส่วนต่อประสานกับผู้ใช้ (UI) ของโปรแกรม Buzz ถูกออกแบบมาให้ใช้งานง่าย และมีฟีเจอร์ระดับมืออาชีพ เช่น การค้นหาข้อความแบบเรียลไทม์, ควบคุมการเล่นเสียง, วนลูปช่วงเสียง, ติดตามเสียงขณะเล่น และการปรับความเร็วในการเล่น นอกจากนี้ ยังมีระบบจำค่าการตั้งค่าของผู้ใช้ระหว่าง Session เพื่อให้การใช้งานต่อเนื่องเป็นไปอย่างราบรื่น

โปรแกรม Buzz รองรับ Whisper ได้หลายเวอร์ชัน ทั้งแบบดั้งเดิม, Whisper.cpp, Faster Whisper และโมเดลจาก Hugging Face รวมถึง ส่วนต่อประสานโปรแกรมประยุกต์ (API) ของ OpenAI Whisper ด้วย ทำให้ผู้ใช้สามารถเลือกใช้โมเดลที่เหมาะกับเครื่องของตนได้ ไม่ว่าจะเป็นแบบใช้ หน่วยประมวลผลกลาง (CPU) หรือ กราฟิกการ์ด (GPU) ในการประมวลผล โดยเฉพาะใน Windows ที่สามารถติดตั้ง CUDA และ Torch เพื่อให้รองรับการประมวลผลด้วย GPU ได้อย่างเต็มประสิทธิภาพ

สำหรับผู้ใช้ macOS โปรแกรม Buzz มีเวอร์ชันที่ปรับแต่งให้เหมาะกับระบบโดยเฉพาะ เช่น รองรับการลาก และวางไฟล์, เครื่องมือแก้ไขข้อความถอดเสียงในตัว และการแสดงผลที่สะอาดตา ส่วนใน Linux ก็สามารถติดตั้งผ่าน Flatpak หรือ Snap ได้อย่างสะดวก โดยไม่ต้องตั้งค่าเพิ่มเติมที่ยุ่งยาก

คุณสมบัติ และความสามารถของ โปรแกรม Buzz

• ถอดเสียง และแปลเสียงแบบออฟไลน์ โดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต ไม่มีการส่งข้อมูลออกไปยังเซิร์ฟเวอร์ภายนอก
• ใช้โมเดล Whisper จาก OpenAI พร้อมรองรับ
  • Whisper.cpp
  • Faster Whisper
  • โมเดลจาก Hugging Face
• รองรับระบบปฏิบัติการ
  • Windows
  • macOS
  • Linux
• มีให้เลือกใช้งานทั้งเวอร์ชัน GUI สำหรับผู้ใช้ทั่วไป และ CLI สำหรับนักพัฒนา
• นำเข้าไฟล์เสียง และวิดีโอได้หลากหลายรูปแบบ
• ส่งออกข้อความถอดเสียงเป็นไฟล์
  • .TXT
  • .SRT
  • .VTT
• รองรับการถอดเสียงจากไมโครโฟนของเครื่อง 
• ค้นหาข้อความแบบเรียลไทม์
• การเล่นเสียง รองรับ
  • เล่นเสียงแบบวนลูป
  • ติดตามเสียง
  • ปรับความเร็ว
• รองกรับการใช้งานคีย์ลัด เช่น Ctrl+F, Ctrl+L เป็นต้น
• มี UI เรียบง่าย
• จำค่าการตั้งค่าระหว่าง Session ช่วยอำนวยความสะดวกในการใช้
• รองรับการลาก และวางไฟล์ (Drag-and-Drop) ลงในโปรแกรม
• มีเครื่องมือแก้ไขข้อความภายในโปรแกรม
• รองรับ CUDA และ Torch สำหรับการประมวลผลด้วย GPU บนระบบปฏิบัติการ Windows
• และความสามารถอื่น ๆ อีกมากมาย

เงื่อนไขการใช้งาน โปรแกรม Buzz

โปรแกรม Buzz เป็นซอฟต์แวร์ ฟรี (Free) ที่พัฒนาแบบ โอเพ่นซอร์ส (Open-Source) ที่อยู่ภายใต้เงื่อนไขการใช้งานแบบ MIT License ซึ่งหมายความว่าผู้ใช้สามารถใช้งาน, ดัดแปลง, แจกจ่าย และเข้าถึง โค้ดต้นฉบับ (Source Code)ได้อย่างเสรี ภายใต้เงื่อนไขที่กำหนด

หากต้องการค้นหาข้อมูลเพิ่มเติม สามารถติดต่อกับทางผู้พัฒนาโปรแกรมนี้ได้ผ่านทางช่องทางเว็บไซต์ (Website) : https://chidiwilliams.github.io/buzz/docs (ภาษาอังกฤษ) ได้เลย

คำบรรยายภาษาอังกฤษ (English Descriptions)

Buzz is an offline transcription and translation software for personal computers (PC), powered by OpenAI's Whisper technology. It is designed to allow users to convert audio or video files into text without requiring an internet connection. The program also enables instant translation of the transcribed text into various languages directly on the device, without sending any data to external servers. This makes it ideal for users who prioritize privacy, security, and convenience when working with audio content.