---
title: moonshine-tiny-onnx
canonical_url: "https://www.modelscope.cn/models/manyeyes/moonshine-tiny-onnx"
md_url: "https://www.modelscope.cn/models/manyeyes/moonshine-tiny-onnx.md"
repository: manyeyes/moonshine-tiny-onnx
chinese_name: "moonshine-tiny-语音识别-英文-onnx"
last_updated: 2026-04-25
license: mit
pipeline_tag: auto-speech-recognition
tasks:
  - auto-speech-recognition
library_name:
  - onnx
frameworks:
  - onnx
language:
  - en
downloads: 2
stars: 0
tags:
  - pytorch
  - onnx
  - automatic-speech-recognition
  - audio
  - edge-device
---

# moonshine-tiny-onnx

> moonshine-tiny-onnx - manyeyes 在 ModelScope 开源的模型。Moonshine-Tiny-ONNX 英文语音识别模型

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

- **Repository**: manyeyes/moonshine-tiny-onnx
- **License**: mit
- **Tasks**: auto-speech-recognition
- **Tags**: pytorch, onnx, automatic-speech-recognition, audio, edge-device
- **Downloads**: 2
- **Stars**: 0
- **Last updated**: 2026-04-25

Source: https://www.modelscope.cn/models/manyeyes/moonshine-tiny-onnx

---

# Moonshine-Tiny-ONNX 英文语音识别模型

## 模型描述

**Moonshine** 是一个面向边缘计算场景（树莓派、手机、物联网设备）的语音识别模型家族，由 Use ful Sensors 团队开发。本模型是 **Moonshine Tiny** 的 **ONNX 格式导出版本**，保留了原始模型的识别精度，同时以 ONNX 格式封装，便于在多种平台上高效推理。

Moonshine 与 Whisper 的核心不同在于其对**可变长度音频**的原生支持：Whisper 强制将音频切分为 30 秒固定块，短音频也要填充到 30 秒再处理；而 Moonshine 的计算量与音频长度成正比，在短音频场景下速度优势十分明显。

**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 | **约 2700 万** |
| 模型大小 | FP32 约 **190MB**，INT8 约 **50MB** |
| 支持语言 | 英文 |
| 开源协议 | MIT License |

## 适用场景

| 场景 | 说明 |
|:---|:---|
| **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 |
| **Web 浏览器端** | 利用 ONNX Runtime Web，可完全在用户浏览器中运行，数据不离开设备 |
| **嵌入式部署** | 树莓派、ARM Linux 设备、物联网设备 |

**性能优势：**
- **可变长度处理**：处理 10 秒音频时速度比 Whisper 快约 **5 倍**，延迟仅 **50–150ms**
- **轻量化结构**：26 层精简 Transformer，参数仅为 Whisper 同类模型的一半
- **计算效率**：计算量与音频长度线性正比，短音频（1–3 秒）最多可提速 **5–15 倍**

**限制与不足：**
- 本模型**仅支持英文**，对于非英文内容效果不可用
- 在强噪声或严重口音环境下识别效果会下降
- 极短的音频片段可能产生“幻觉”（生成不存在的文本），配合 VAD（语音活动检测）可缓解

## 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，二者协同完成语音转录：

| 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生成文本 token |

在自回归解码过程中，解码器使用 **Key-Value 缓存机制**，避免了注意力的重复计算，显著提升推理效率。推理时从起始 token ID = 1 开始，直到生成结束 token ID = 2 或达到最大长度时终止。