moonshine-ai/moonshine

Moonshine Voice 是面向语音智能体与语音界面开发者的开源工具箱，把流式语音识别（STT）、意图识别与语音合成（TTS）打包在一起，让应用可以本地完成“听—判断—回应”，而无需把音频发往服务器。它的定位是语音交互工具，而不是通用模型服务。

做什么、怎么实现

所有处理都设计为端侧运行，不需要账号或 API key；流水线针对实时流式场景优化，在用户还在说话时就开始处理，而不是等整段录音结束 Moonshine README。低延迟正来自这个机制：音频持续被部分转写，下游的意图判断或回复逻辑可以更早启动。

语音模型为从零训练，尺寸跨度从项目称准确率高于 Whisper Large V3 的版本，到面向资源受限设备的大约 1MB 模型；具体尺寸与准确率记录在模型文档中，而不在 README 里 Moonshine README、模型文档。

使用方式

• Python 快速上手：pip install moonshine-voice 后用 moonshine-voice mic 命令即可跑本地麦克风示例；其他平台另有说明 Quickstart。
• 一套库覆盖多平台：Python、JavaScript/WASM、iOS、Android、macOS、Linux、Windows 和 Raspberry Pi 都被列为目标平台 Moonshine README。各路径的具体前置条件需看对应平台的快速上手页面 平台安装。
• 配合编程智能体：仓库提供 agent skill，可复制到项目中，或用 npx skills add 安装，目的是让智能体使用当前 API，而不是去找 Whisper 或旧的 DialogFlow 名称 agent skill。
• 完整应用能力：转写、TTS 与对话智能体在用法文档中说明，并提供可运行示例 用法文档、示例。

要求与限制

• README 把端侧执行作为默认形态，因此实际需要什么取决于所选平台；各目标平台的准确条件以文档为准，而不是本文概述。
• 核心许可是 MIT，模型默认在所有语言与尺寸下也是 MIT。例外是英语以外语言的旧版非流式模型，它们仍采用非商业的 Moonshine Community License，并在许可文件中列出 许可。若要商业发布这些非英语旧模型，需要先核对该例外。
• 所给材料中没有项目自述之外的独立延迟或准确率验证，HN 评论属于未经验证的用户意见，而非维护中的基准结果。

背景

该项目以“Speech Recognition and TTS in less than 500kb”为题发布并引发大量讨论，但讨论本身是评论，不能作为生产可用性的证据 HN 讨论。