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

# moonshine-base-ar-onnx

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

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

- **Repository**: manyeyes/moonshine-base-ar-onnx
- **License**: mit
- **Tasks**: auto-speech-recognition
- **Tags**: pytorch, onnx, 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-onnx

---

# Moonshine-Base-AR-ONNX 阿拉伯语语音识别模型

## 模型描述

本仓库提供阿拉伯语（Arabic）Moonshine-Base ASR 模型的 **ONNX 格式**版本。模型基于 “Flavors of Moonshine” 论文中的单语专门化策略构建，采用 8 层 Transformer 与旋转位置嵌入（RoPE），参数量约 **6100 万**，FP32 磁盘占用约 **400 MB**，在资源受限设备上提供优异的阿拉伯语识别能力。

**主要规格：**

| 属性 | 说明 |
|:---|:---|
| 网络层数 | 8 层 Transformer |
| 注意力头数 | 8 个 |
| 隐藏维度 | 416 |
| 参数量 | ~6100 万 |
| 模型大小（FP32）| ~400 MB |
| 支持语言 | **阿拉伯语 (Arabic)** |
| 开源协议 | MIT License |

## 适用场景

- **实时语音转录**：会议记录、采访转录、视频字幕生成
- **离线语音助理**：隐私优先的边缘设备语音控制，无需联网
- **嵌入式阿拉伯语听写系统**：在树莓派、ARM 设备上离线运行
- **视频字幕生成**：自动为阿拉伯语音频生成字幕

**性能优势：**
- 处理时长与音频长度成正比，处理 10 秒音频速度比 Whisper 快约 **5 倍**
- 在 Common Voice 17 阿拉伯语测试集上，Moonshine Tiny（27M）已将 WER 从 88.9% 降至 36.6%，Base 版本预计再降低 10–20%

**限制与不足：**
- 本模型**仅支持阿拉伯语**，对于非阿拉伯语内容效果不佳
- 在强噪声或严重口音环境下识别效果会明显下降
- 极短的音频片段可能产生“幻觉”文本，应用层建议配合语音活动检测（VAD）使用

## ONNX 模型结构

Moonshine ONNX 实现将原始模型划分为两个独立的 ONNX 组件：

| 组件 | 文件名 | 功能 |
|:---|:---|:---|
| **Encoder（编码器）** | `encoder_model.onnx` | 将音频输入处理为隐藏状态表征 |
| **Decoder（解码器）** | `decoder_model_merged.onnx` | 从编码器的隐藏状态生成文本 Token |

自回归解码时，解码器使用 **Key-Value 缓存机制**，避免注意力重复计算，大幅提升推理效率。推理从起始 Token ID = 1 开始，直到生成结束 Token ID = 2 或达到最大长度时终止。