---
title: moonshine-base-ar-int8-onnx
canonical_url: "https://www.modelscope.cn/models/manyeyes/moonshine-base-ar-int8-onnx"
md_url: "https://www.modelscope.cn/models/manyeyes/moonshine-base-ar-int8-onnx.md"
repository: manyeyes/moonshine-base-ar-int8-onnx
chinese_name: "moonshine-base-语音识别-阿拉伯语-int8-onnx模型"
last_updated: 2026-04-26
license: mit
pipeline_tag: auto-speech-recognition
tasks:
  - auto-speech-recognition
library_name:
  - onnx
frameworks:
  - onnx
language:
  - ar
downloads: 0
stars: 0
tags:
  - pytorch
  - onnx
  - int8
  - quantization
  - automatic-speech-recognition
  - audio
  - edge-device
---

# moonshine-base-ar-int8-onnx

> moonshine-base-ar-int8-onnx - manyeyes 在 ModelScope 开源的模型。Moonshine-Base-AR-INT8-ONNX 阿拉伯语语音识别模型（INT8 量化版）

manyeyes/moonshine-base-ar-int8-onnx 是 ModelScope 魔搭社区上的auto-speech-recognition模型，采用 mit 许可。

- **Repository**: manyeyes/moonshine-base-ar-int8-onnx
- **License**: mit
- **Tasks**: auto-speech-recognition
- **Tags**: pytorch, onnx, int8, quantization, automatic-speech-recognition, audio, edge-device
- **Downloads**: 0
- **Stars**: 0
- **Last updated**: 2026-04-26

Source: https://www.modelscope.cn/models/manyeyes/moonshine-base-ar-int8-onnx

---

# Moonshine-Base-AR-INT8-ONNX 阿拉伯语语音识别模型（INT8 量化版）

## 模型描述

本仓库提供阿拉伯语（Arabic）Moonshine-Base ASR 模型的 **INT8 静态量化 ONNX 版本**。该模型在 FP32 ONNX 版本的基础上进行 w8-a8 静态量化，模型体积从约 400 MB 压缩至约 **100 MB**，内存占用降低 **75%**，推理速度提升约 **20%**，而 WER 退化小于 **1%**（接近无损），非常适合树莓派、手机、嵌入式 Linux 等资源受限的边缘部署场景。

**主要规格：**

| 属性 | 说明 |
|:---|:---|
| 基础架构 | Moonshine Base（8 层 Transformer，RoPE 位置编码） |
| 参数量 | ~6100 万 |
| 模型大小（INT8 静态量化）| ~100 MB |
| 量化方案 | w8-a8 静态量化，per-group 粒度（组大小=52），对称权重量化 |
| 支持语言 | **阿拉伯语 (Arabic)** |
| 开源协议 | MIT License |

## 适用场景

- **嵌入式语音交互**：树莓派 4/5、ARM Cortex-A 系列设备上的离线语音命令识别
- **移动端离线 ASR**：Android/iOS 应用中集成本地阿拉伯语听写
- **实时会议转写**：在边缘服务器上提供低延迟、低内存的转录服务
- **隐私保护语音应用**：数据完全在本地处理，无需上传云端

**性能优势：**
- 内存占用仅 **~100 MB**（相比 FP32 减少 75%）
- 推理速度提升约 **20%**，处理 10 秒音频延迟约 80-150 ms（树莓派 5）
- 精度损失极小，WER 退化 < 1%

**限制与不足：**
- 仅支持阿拉伯语，非阿拉伯语内容效果不可用
- 强噪声或严重口音环境下性能下降
- 极短音频可能产生幻觉，建议配合 VAD 使用

## ONNX 模型结构

与 FP32 版本一致，模型由两个 ONNX 组件构成：

| 组件 | 文件名 | 功能 |
|:---|:---|:---|
| **Encoder** | `encoder_model.onnx` | 音频编码为隐藏状态 |
| **Decoder** | `decoder_model_merged.onnx` | 自回归生成文本 Token |

解码器使用 KV-Cache 机制，避免重复计算。