Moonshine 开放语音模型：2 亿参数端侧实时跑，字误率超越 Whisper

Moonshine Voice 是 Moonshine AI 刚发布的开放权重语音转文字（STT）模型，专门为了在设备端实时运行而设计。它不需要依赖云端接口，可以直接在 Python、iOS、Android 甚至树莓派（Raspberry Pi）上跑起来。

它能做什么

这个模型最突出的地方在于体积与精度的反差。它的流式模型参数量只有 2 亿，比 Whisper Large v3 小了 7.5 倍，但在字误率表现上反而超越了后者。

在语言支持上，它覆盖了普通话、英语、西班牙语、日语、韩语等多种语言。除了基础的语音转文字，模型内部还直接集成了语音活动检测（VAD）以及语音指令的意图识别能力。

为什么重要

如果你在开发移动端应用、智能硬件，或者想在树莓派上搭建完全离线的语音助手，Moonshine Voice 很值得现在就去试一试。过去在端侧跑 Whisper 往往要在显存占用和延迟之间痛苦妥协，或者只能转向云端 API。

Moonshine 用更小的体积拿出了超越大模型的字误率，还顺手打包了意图识别等实用模块。我们认为，这种把轻量化和端到端交互打包整合的思路，会让离线语音应用的门槛大幅降低。