Moonshine Voice 安装指南5 分钟在本地跑通低延迟语音识别【免费下载链接】moonshineVery low latency speech to text, intent recognition, and text to speech, for building voice agents and interfaces项目地址: https://gitcode.com/GitHub_Trending/moonshine3/moonshine想在自己的机器上体验低延迟语音转文字吗Moonshine Voice 是一个纯端侧运行的开源语音工具箱语音转文字ASR、意图识别、文本转语音全部在本地完成不需要账号、API Key也不要把音频上传到云端。本文以 Python 环境为主线带你完成 Moonshine Voice 的安装并用一段真实音频验证效果。为什么选择端侧语音识别云端 ASR 服务有两个绕不开的痛点每次说话都要等网络往返隐私数据必须离开设备。Moonshine 的思路是边说边算——在你还没说完的时候模型已经在并行处理音频了所以实时流式转录的延迟很低。它还支持从 1MB 级的微型模型到精度超过 Whisper Large V3 的大模型甚至能在树莓派 Pico 这类单片机上运行上图就是配套例程的麦克风接线示意。如果你的场景是语音助手、会议记录、语音命令端侧方案在响应速度和隐私上都有优势。安装前的环境准备开始之前请确认以下事项Python 3.8 或更高版本包元数据requires-python 3.83.8~3.12 均在支持列表内pip 可用随 Python 安装用于安装包和依赖网络可访问模型仓库首次运行时会自动下载模型文件并缓存到本地之后离线也能用可选uv工具更快的 Python 包管理器和虚拟环境工具没有它用自带方案也完全可以三步完成安装第 1 步创建独立虚拟环境。目的是把依赖隔离在你自己的项目里不污染系统 Python。二选一# 方式 A用 uv 一步完成先 pip install uv uv venv my-env # 方式 B用 Python 自带的 venv python -m venv my-env然后激活它source my-env/bin/activate # Linux / macOS # Windows 下为 my-env\Scripts\activate第 2 步安装 moonshine-voice 包。包名是moonshine-voice安装时会带入它需要的 numpy、sounddevice 等全部运行依赖uv pip install moonshine-voice # 若未用 uv则执行 # pip install moonshine-voice第 3 步按需要加装可选组件。默认安装是纯推理配置体积最小。只有要训练领域适配模型LoRA 微调时才需要额外的[finetune]附加依赖会引入 PyTorch、Transformers 等安装方式命令适用场景标准安装uv pip install moonshine-voice日常转录、TTS、语音命令微调增强uv pip install moonshine-voice[finetune]训练领域 LoRA 适配器装完包之后你的命令行会多出一个moonshine-voice工具别名moonshine它把内置功能组织成子命令mic实时麦克风转录、transcribe离线转写文件、tts朗读文本、agent语音对话流、download、g2p、lora。两步验证安装成功✅ 先做最快的检查——确认 CLI 已就绪moonshine-voice --help能看到上面列出的子命令清单就说明安装没问题。再跑一次真实的语音转文字确认模型下载和推理都正常。仓库自带的test-assets/two_cities.wav就是一段测试音频把它拷到你的项目目录后运行from moonshine_voice import Transcriber, get_model_for_language, load_wav_file model_path, model_arch get_model_for_language(en) t Transcriber(model_pathmodel_path, model_archmodel_arch) audio, rate load_wav_file(two_cities.wav) result t.transcribe_without_streaming(audio, sample_raterate) print(result.lines[0].text)第一次运行会显示模型下载进度模型会缓存起来只慢这一次。只要打印出英文句子的转写结果整个链路就通了。想体验实时效果直接执行moonshine-voice mic --language en对着麦克风说话文字会实时刷在终端里。技术栈一览层面内容编程语言Python用户侧 API核心推理引擎为 C见 core/推理运行时ONNX Runtime预编译动态库随 Python 包分发见 core/third-party/onnxruntime/跨平台一套核心库覆盖 Python、iOS、Android、macOS、Windows、Linux、WASM、树莓派模型授权代码与模型默认 MIT 许可详见 LICENSEPython 侧的核心入口都在 language-bindings/python/src/moonshine_voice/transcriber.py负责转录、tts.py负责合成、agent_flow.py负责语音命令流可以按需要深入阅读。从pip安装到听到本地语音合成Moonshine Voice 的全部流程到这里就闭环了。想继续深入建议按下面顺序读Quickstart 文档覆盖 Python 之外各平台的接入方式Python 包 READMEMicTranscriber、TextToSpeech、AgentFlow 的完整用法examples/python/可运行的示例代码micro/README.md把模型压缩到 1MB、跑进单片机的极小模型路线【免费下载链接】moonshineVery low latency speech to text, intent recognition, and text to speech, for building voice agents and interfaces项目地址: https://gitcode.com/GitHub_Trending/moonshine3/moonshine创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考