---
title: moonshine-tiny-ar-onnx
canonical_url: "https://www.modelscope.cn/models/manyeyes/moonshine-tiny-ar-onnx"
md_url: "https://www.modelscope.cn/models/manyeyes/moonshine-tiny-ar-onnx.md"
repository: manyeyes/moonshine-tiny-ar-onnx
chinese_name: "moonshine-tiny-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-tiny-ar-onnx

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

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

- **Repository**: manyeyes/moonshine-tiny-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-tiny-ar-onnx

---

# Moonshine-Tiny-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 Tiny ASR 模型的 **ONNX 格式**版本。Moonshine 是 Moonshine AI（原 Useful Sensors）开发的一族专为边缘设备设计的自动语音识别模型，特别优化了实时转录和语音命令识别场景。本研究在 **Flavors of Moonshine: Tiny Specialized ASR Models for Edge Devices**[reference:0]中提出，对于 27M 参数量级的模型，在精心平衡的多源数据上训练可以获得远超多语言通用模型的表现。

**ONNX 格式支持**的 Moonshine 模型可以在 CPU 和 GPU 后端使用流行的 ONNX Runtime 库进行高速推理，并且可以无缝部署到树莓派、移动设备、Web 浏览器等边缘端加速。

**主要规格：**

| 属性 | 说明 |
|:---|:---|
| 网络层数 | 6 层 Transformer |
| 注意力头数 | 8 个 |
| 隐藏维度 | 288 |
| 参数量 | ~2700 万 |
| 模型大小（FP32）| ~190 MB |
| 支持语言 | **阿拉伯语 (Arabic)** |
| 开源协议 | MIT License |

## 适用场景

- **实时会议/采访转写**：在资源受限的边缘设备上实现低延迟语音转录
- **离线语音助理**：隐私优先的设计，所有计算均在本地完成，无需连接云端
- **嵌入式语音交互**：树莓派、ARM Linux 设备、智能家居等嵌入式场景
- **Web 浏览器端**：通过 ONNX Runtime for Web 实现完全客户端运行的语音转文字应用

**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无法保证
- 预测结果中可能包含音频中未实际出现的文字（即“幻觉”），尤其是在极短音频片段或音频首尾被截断的情况下[reference:1]
- 在强背景噪声、特定方言口音或远场录音环境下，识别准确率可能会下降
- 序列到序列架构容易产生重复文本，可通过束搜索和温度调度进行部分缓解，但无法完全消除[reference:2]
- 模型具有潜在的双重用途风险，可能在未经同意的情况下用于转录他人录音或扩大监控范围，请务必在法律和道德允许的范围内使用[reference:3]

## ONNX 模型结构

本仓库中的 Moonshine ONNX 实现将原始 PyTorch 模型划分为两个独立的 ONNX 组件，两个组件协同完成语音转录：

| 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自回归生成文本 Token |

解码器在推理时使用 **Key-Value 缓存机制**，避免了注意力计算的重复进行，显著提升自回归解码的效率。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。