%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Moonshine
簡介 :
Moonshine 是一系列為資源受限設備優化的語音轉文本模型，非常適合即時、設備上的應用程序，如現場轉錄和語音命令識別。在 HuggingFace 維護的 OpenASR 排行榜中使用的測試數據集上，Moonshine 的詞錯誤率（WER）優於同樣大小的 OpenAI Whisper 模型。此外，Moonshine 的計算需求隨著輸入音頻的長度而變化，這意味著較短的輸入音頻處理得更快，與 Whisper 模型不同，後者將所有內容都作為 30 秒的塊來處理。Moonshine 處理 10 秒音頻片段的速度是 Whisper 的 5 倍，同時保持相同或更好的 WER。
需求人群 :
Moonshine 適合需要在資源受限設備上進行快速且準確語音識別的用戶，如開發者、企業以及需要即時語音轉錄服務的個人。它特別適合於需要在移動設備或物聯網設備上進行語音交互的場景。
使用場景
開發者可以利用 Moonshine 為移動應用添加即時語音識別功能。
企業可以在客服系統中集成 Moonshine，以提供語音轉文本服務。
個人用戶可以使用 Moonshine 來轉錄會議或講座的音頻記錄。
產品特色
即時轉錄：適用於現場轉錄和語音命令識別。
優化的詞錯誤率：在多個數據集上優於 Whisper 模型。
快速處理：對於較短的輸入音頻，處理速度比 Whisper 快 5 倍。
多平臺支持：支持 Torch、TensorFlow 和 JAX 後端。
靈活部署：可以在資源受限的邊緣設備上運行。
易於安裝：提供詳細的安裝指南和虛擬環境設置。
模型選擇：提供 'moonshine/tiny' 和 'moonshine/base' 兩種模型選擇。
使用教程
1. 安裝 uv 用於 Python 環境管理。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
2. 創建並激活虛擬環境：uv venv env_moonshine 和 source env_moonshine/bin/activate。
3. 安裝 Moonshine 包，選擇適合的後端（Torch、TensorFlow 或 JAX）。
4. 設置環境變量以指示 Keras 使用特定的後端。
5. 使用提供的 .transcribe 函數測試 Moonshine，傳入音頻文件路徑和模型名稱。
6. 如果需要使用 ONNX 運行時進行推理，使用 moonshine.transcribe_with_onnx 函數。
7. 參考 GitHub 倉庫中的文檔和示例代碼進行進一步的開發和集成。
精選AI產品推薦
Pseudoeditor
PseudoEditor是一款免費在線偽代碼編輯器。它具有語法高亮、自動完成等功能，幫助您更輕鬆地編寫偽代碼。您還可以使用我們的偽代碼編譯器功能進行測試。無需下載，即可立即使用。
開發與工具
4.5M
Erbuilder
Softbuilder的AI-powered ER diagrams generation是一款基於人工智能技術的數據建模工具，能夠根據自然語言的數據模型描述、用戶故事或需求自動生成ER圖。通過使用OpenAI GPT，它能夠快速生成精美的ER圖，大大提高了數據建模的效率。此外，它還提供數據模型文檔、驗證、探索等功能，可滿足各種數據建模需求。Softbuilder的AI-powered ER diagrams generation適用於各類企業和組織，幫助用戶輕鬆創建和管理數據模型。
開發與工具
4.1M