برای ساخت زیرنویس یک ویدیوی فارسی معمولاً دو انتخاب داریم: فایل را در یک سرویس آنلاین آپلود کنیم یا متن را دستی بنویسیم. گزینه اول برای فایل‌های خصوصی همیشه مناسب نیست و گزینه دوم هم وقت زیادی می‌گیرد. چیزی که در بررسی Buzz توجهم را جلب کرد، راه سوم بود: برنامه را روی کامپیوتر نصب می‌کنید، مدل تشخیص گفتار را یک بار می‌گیرید و بعد می‌توانید صدا و ویدیو را بدون فرستادن فایل به یک سرویس تبدیل متن، روی همان دستگاه پردازش کنید.

ابزار Buzz رایگان و متن‌باز است و از مدل‌هایی مثل Whisper، Whisper.cpp و Faster Whisper پشتیبانی می‌کند. فایل صوتی، ویدیو و حتی لینک YouTube را می‌گیرد و خروجی TXT، SRT یا VTT تحویل می‌دهد. نسخه رسمی برای Windows، macOS و Linux منتشر شده است. [1] این مقاله دقیقاً توضیح می‌دهد چطور با Buzz زیرنویس فارسی بسازید، رایگان‌بودنش چه معنایی دارد و در چه شرایطی بهتر است سراغ جایگزین بروید.

ابزار Buzz چیست و چه کاری انجام می‌دهد؟

ابزار Buzz یک برنامه دسکتاپ برای تبدیل گفتار به متن و ترجمه گفتار است. حالت اصلی آن روی کامپیوتر اجرا می‌شود؛ یعنی بعد از دانلود مدل لازم، پردازش می‌تواند محلی باشد. مستندات رسمی امکاناتی مثل ورود فایل صوتی و ویدیویی، ضبط زنده از میکروفون، نمایش متن در پنجره ارائه، شناسایی گوینده، جداکردن گفتار از صدای پس‌زمینه و استفاده از شتاب‌دهنده گرافیکی را فهرست کرده‌اند. [2]

آیا Buzz واقعاً رایگان است؟

بله، خود برنامه Buzz کاملاً رایگان و متن‌باز است. برای نسخه اصلی محدودیت دقیقه، اعتبار ماهانه، دوره آزمایشی یا تمدید وجود ندارد و برای نصب آن کارت بانکی لازم نیست. مخزن رسمی با مجوز MIT منتشر شده؛ این مجوز استفاده، تغییر، انتشار و فروش نسخه‌های نرم‌افزار را با حفظ متن مجوز و حق مؤلف مجاز می‌کند. [8]

بااین‌حال، «رایگان» بودن به معنی رایگان‌بودن همه مسیرهای اختیاری نیست. اگر مدل محلی را انتخاب کنید، هزینه اشتراک و اعتبار ندارید و محدودیت اصلی توان، فضای ذخیره‌سازی و زمان پردازش کامپیوتر شماست. اگر در تنظیمات به‌جای مدل محلی از OpenAI API یا سرویس سازگار دیگری استفاده کنید، هزینه و شرایط همان سرویس جداگانه اعمال می‌شود. افزونه خلاصه‌سازی هوشمند نیز به یک رابط سازگار با OpenAI نیاز دارد؛ می‌توان آن را به سرویس پولی یا یک سرویس محلی مثل Ollama وصل کرد. [7]

آموزش ساخت زیرنویس فارسی با Buzz

مرحله اول: نسخه مناسب را نصب کنید

در Windows و macOS فایل نصب رسمی از صفحه SourceForge پروژه ارائه می‌شود. در Linux می‌توانید از Flatpak، Snap یا AppImage استفاده کنید. صفحه نصب رسمی هشدار می‌دهد که برنامه Windows امضای دیجیتال ندارد و ممکن است Windows هنگام اجرا اخطار نشان دهد. در Macهای Intel نیز نسخه‌های جدید محدودیت دارند و آخرین نسخه سازگار اعلام‌شده ۱.۴.۵ است؛ نسخه جاری Mac برای Apple silicon در نظر گرفته شده است. [3]

مرحله دوم: فایل و زبان فارسی را انتخاب کنید

از منوی File گزینه Import Media File یا علامت مثبت را بزنید و فایل صوتی یا ویدیویی را انتخاب کنید. در پنجره بعدی، کار را روی Transcribe قرار دهید و زبان را Persian یا کد فارسی انتخاب کنید. بهتر است زبان را دستی تعیین کنید؛ مستندات رسمی هم می‌گویند تشخیص خودکار زبان ممکن است نتیجه غیرمنتظره بدهد. سپس نوع و اندازه مدل را مشخص کنید و Run را بزنید. [4]

برای شروع، Whisper.cpp انتخاب منطقی‌تری برای بسیاری از لپ‌تاپ‌هاست، چون روی پردازنده مرکزی هم اجرا می‌شود و می‌تواند از انواع مختلف پردازنده گرافیکی کمک بگیرد. مدل‌های کوچک سریع‌تر و سبک‌ترند، اما معمولاً خطای بیشتری دارند. مدل‌های بزرگ‌تر دقت بهتری می‌دهند، ولی حافظه و زمان بیشتری می‌خواهند. مستندات Buzz تأکید می‌کند که انتخاب نهایی به سخت‌افزار، زبان و کیفیت فایل بستگی دارد و باید چند مدل را روی نمونه واقعی خودتان مقایسه کنید. [5]

مرحله سوم: متن را بازبینی و SRT را خروجی بگیرید

پس از کامل‌شدن پردازش، روی ردیف فایل دوبار کلیک کنید تا متن زمان‌بندی‌شده باز شود. نام‌ها، واژه‌های تخصصی، عددها و قسمت‌هایی را که موسیقی یا چند گوینده روی هم افتاده‌اند با صدای اصلی مقایسه کنید. سپس Export را بزنید و SRT را برای ویرایشگر ویدیو یا VTT را برای وب انتخاب کنید. اگر زیرنویس‌ها خیلی بلند هستند، قابلیت Resize و افزونه Resize Transcript می‌تواند واژه‌ها را بر اساس مکث، نشانه‌گذاری و حداکثر طول هر بخش دوباره گروه‌بندی کند. [7]

حریم خصوصی: چه چیزی واقعاً آفلاین می‌ماند؟

وقتی یکی از مدل‌های محلی مثل Whisper.cpp یا Faster Whisper را انتخاب می‌کنید، تشخیص گفتار روی کامپیوتر شما انجام می‌شود. پرسش‌های رسمی پروژه توضیح می‌دهند که پس از آماده‌کردن فایل‌های مدل، Buzz حتی روی کامپیوتر بدون اتصال اینترنت قابل‌استفاده است. [5] این مسیر برای مصاحبه منتشرنشده، جلسه داخلی یا محتوایی که نمی‌خواهید به سرویس تبدیل متن آپلود شود، مزیت مهمی است.

اما آفلاین‌بودن به انتخاب شما بستگی دارد. استفاده از OpenAI API، ترجمه برخط، افزونه خلاصه‌سازی متصل به سرویس ابری یا واردکردن لینک آنلاین می‌تواند داده را به شبکه بفرستد. شرایط حریم خصوصی در آن حالت تابع سرویس انتخابی است، نه فقط Buzz. برای حساس‌ترین فایل‌ها مدل محلی را انتخاب کنید، افزونه‌های شبکه‌ای را خاموش نگه دارید و مطمئن شوید پوشه فایل و خروجی با سرویس ابری دیگری همگام نمی‌شود.

مزایای Buzz

  • رایگان بدون سقف دقیقه: مدل محلی اعتبار مصرفی، تمدید ماهانه یا درخواست کارت بانکی ندارد.
  • حفظ کنترل فایل: امکان تبدیل گفتار روی دستگاه، بدون آپلود فایل در یک سرویس تبدیل متن وجود دارد.
  • خروجی مناسب تدوین: فرمت‌های SRT و VTT زمان‌بندی لازم برای زیرنویس را نگه می‌دارند.
  • پشتیبانی از سه سیستم‌عامل: برنامه برای Windows، macOS و Linux در دسترس است. [3]
  • انعطاف در انتخاب مدل: می‌توانید بین سرعت، دقت و مصرف منابع تعادل ایجاد کنید.
  • امکانات تکمیلی: ضبط زنده، شناسایی گوینده، جداسازی گفتار، پوشه پایش‌شونده و افزونه‌ها برای کارهای تکراری مفیدند. [1]

معایب و محدودیت‌ها

  • شروع سنگین: دانلود برنامه و مدل‌ها نسبت به یک سایت ساده زمان و فضای بیشتری می‌خواهد.
  • سرعت وابسته به سخت‌افزار: فایل بلند روی سیستم ضعیف می‌تواند آهسته پردازش شود و ضبط زنده الزاماً هم‌زمان نیست. [2]
  • نیاز به بازبینی فارسی: لهجه، صدای ضعیف، موسیقی، هم‌پوشانی گویندگان و اسم‌های خاص خطا ایجاد می‌کنند.
  • نصب Windows بدون امضا: هشدار امنیتی نصب ممکن است برای کاربر عادی گیج‌کننده باشد. [9]
  • محدودیت Mac قدیمی: توسعه نسخه‌های جدید روی Apple silicon متمرکز شده و Macهای Intel باید از نسخه قدیمی‌تر استفاده کنند.
  • بعضی قابلیت‌ها ابری‌اند: انتخاب API یا افزونه شبکه‌ای می‌تواند هزینه و ملاحظات حریم خصوصی جداگانه داشته باشد.

مجوز تجاری و محدودیت منطقه‌ای

مجوز MIT استفاده تجاری از خود نرم‌افزار را منع نمی‌کند؛ پس یک تدوینگر، شرکت یا تولیدکننده محتوا می‌تواند Buzz را در کار حرفه‌ای به کار ببرد، به شرط رعایت متن مجوز هنگام بازتوزیع نرم‌افزار. [8] این موضوع به‌خودی‌خود حق استفاده از فایل ورودی، موسیقی، ویدیوی YouTube یا متن افراد دیگر را نمی‌دهد. مسئولیت مجوز محتوایی که تبدیل می‌کنید همچنان با شماست.

در منابع رسمی پروژه محدودیت منطقه‌ای برای اجرای محلی ذکر نشده است. برنامه حساب کاربری نمی‌خواهد و پس از دانلود می‌تواند آفلاین کار کند. بااین‌حال، دسترسی به میزبان‌های دانلود یا سرویس‌های API اختیاری ممکن است بر اساس کشور، شبکه یا شرایط ارائه‌دهنده متفاوت باشد.

جایگزین رایگان Buzz چیست؟

اگر هدف شما ویرایش دقیق زمان‌بندی است، Subtitle Edit یک جایگزین رایگان و متن‌باز است. اجرای مستقیم Whisper یا whisper.cpp هم کنترل بیشتری می‌دهد، اما رابط ساده Buzz را ندارد. ابزارهای آنلاین نصب نمی‌خواهند، ولی باید محدودیت دقیقه و حریم خصوصی آن‌ها را بررسی کنید. برای گزینه‌های بیشتر، بخش ابزارهای هوش مصنوعی AI Behnia را ببینید.

پرسش‌های متداول

آیا Buzz برای فارسی کار می‌کند؟

بله. مدل‌های چندزبانه Whisper از فارسی پشتیبانی می‌کنند. هنگام ورود فایل، زبان را دستی روی فارسی قرار دهید و از مدل‌هایی که پسوند English-only دارند استفاده نکنید. کیفیت نهایی به وضوح صدا، لهجه، مدل و سخت‌افزار بستگی دارد.

آیا برای استفاده از Buzz باید کارت بانکی وارد کنم؟

خیر. دانلود و استفاده از برنامه و مدل‌های محلی به کارت بانکی، اشتراک یا حساب کاربری نیاز ندارد. فقط اگر یک API پولی اختیاری را انتخاب کنید، شرایط پرداخت آن سرویس مطرح می‌شود.

آیا اعتبار رایگان Buzz هر ماه تمدید می‌شود؟

ابزار Buzz سیستم اعتبار یا سهمیه ماهانه ندارد. پردازش محلی سقف دقیقه تعیین‌شده از طرف برنامه ندارد؛ محدودیت واقعی توان و فضای کامپیوتر شماست.

آیا فایل صوتی من آپلود می‌شود؟

در مسیر مدل محلی، پردازش روی دستگاه انجام می‌شود. اگر OpenAI API، ترجمه برخط، افزونه ابری یا لینک آنلاین را انتخاب کنید، ارتباط شبکه‌ای ایجاد می‌شود و باید سیاست همان سرویس را بررسی کنید.

آیا می‌توانم از زیرنویس خروجی در پروژه تجاری استفاده کنم؟

مجوز MIT استفاده تجاری از نرم‌افزار را اجازه می‌دهد. اما حق استفاده تجاری از خروجی به مالکیت فایل صوتی یا ویدیو، حقوق گویندگان و مجوز محتوای اصلی هم بستگی دارد.

بهترین مدل برای شروع کدام است؟

برای بیشتر کاربران یک مدل چندزبانه Whisper.cpp با اندازه کوچک یا متوسط نقطه شروع قابل‌قبولی است. ابتدا یک دقیقه از فایل واقعی را امتحان کنید؛ اگر خطا زیاد بود مدل بزرگ‌تر را انتخاب کنید و اگر سرعت پایین بود به مدل کوچک‌تر برگردید.

جمع‌بندی

ابزار Buzz برای کسی ساخته شده که زیرنویس خودکار می‌خواهد، اما نمی‌خواهد برای هر دقیقه صدا اعتبار بخرد یا فایل خصوصی را به یک سایت ناشناس بدهد. رایگان‌بودن واقعی، خروجی SRT، اجرای آفلاین و پشتیبانی از سه سیستم‌عامل نقاط قوت اصلی آن هستند. در مقابل، دانلود اولیه سنگین است، سرعت به سخت‌افزار بستگی دارد و متن فارسی حتماً باید بازبینی شود. اگر این محدودیت‌ها را می‌پذیرید، Buzz یکی از عملی‌ترین مسیرها برای ساخت زیرنویس فارسی روی کامپیوتر است.

منابع رسمی

  1. مخزن رسمی Buzz در GitHub
  2. مستندات رسمی و فهرست قابلیت‌ها
  3. راهنمای رسمی نصب
  4. راهنمای ورود فایل و خروجی زیرنویس
  5. پرسش‌های رسمی درباره مدل‌ها و استفاده آفلاین
  6. متن مجوز MIT
  7. آخرین نسخه رسمی Buzz