VoiceStudio — Moonshine Engine¶

Moonshine 是一个专为纯 CPU 机器打造、面向边缘场景优化的 ASR 系列。与 Whisper 不同，它处理可变长度音频（不会把所有内容都填充到 30 秒），因此在短片段上延迟很低——在采集缓冲区上属于亚 200 毫秒级别。在即使 int8 whisper-large 也太慢的硬件上，它是用于快速转录的最轻量本地方案。

选择它¶

• 将其中一个运行时安装到应用 venv 中： uv pip install moonshine-onnx（更轻量，优先尝试）或 moonshine-voice。
• 然后打开 Model Catalogue，在 ASR 标签页的 Moonshine 行上点击 使用， 或设置 OMNIVOICE_ASR_BACKEND=moonshine。

自动检测永远不会选中它；它需要显式选择加入。

最擅长¶

• 在低功耗 CPU 机器上进行快速笔记和短片段转录。
• 在不到 1 GB 内存占用比词级时间戳或语言覆盖更重要的环境中。

不适合¶

• 配音。 输出是纯文本，以单个覆盖整个文件的分段呈现——没有词级或分段级时间戳——因此口型同步或字幕时间轴没有可用的信息。这类任务请使用 Whisper 系列引擎或 sherpa-onnx-asr。
• 多语言工作：结果报告为英文；如需广泛的语言覆盖，请使用 whisperx 或 funasr。

平台支持¶

按设计仅支持 CPU——macOS、Windows 和 Linux。它不声称支持 GPU。

模型选择¶

ASR_MODEL_MOONSHINE——默认 moonshine/base。权重在首次加载时下载——参见 downloading-models。

注意事项¶

• 引擎会先尝试 moonshine_onnx，再回退到 moonshine_voice——安装其中任意一个即可。
• 由于模型不会报告分段边界，因此分段边界会根据音频时长合成（起始 0，结束 = 文件长度）。