企业官网建设流程全解析

Moonshine 本地跑通语音转写：3 步从克隆到出字

【免费下载链接】moonshineVery low latency speech to text, intent recognition, and text to speech, for building voice agents and interfaces项目地址: https://gitcode.com/GitHub_Trending/moonshine3/moonshine

先把会议录音变成文字

开会录音想转成文字，丢给云端 API 要排队上传、按量计费，敏感内容还出不了内网。Moonshine 是一个跑在本地的语音识别工具，音频直接喂给它，文本边喂边出，全程不联网。接下来 15 分钟，用仓库里的 C++ 示例把一条 WAV 转成文字。

它到底能干啥

• 本地推理 —— 模型和音频都在你自己的机器上，不联网也能出字
• 流式转写 —— 边收音边出字，说话还没结束就有文本 🎙️
• 多平台一套库 —— 同一个 core，C++/Python/iOS/Android/Windows 都能调
• 多档模型 —— 从 tiny 到 medium-streaming，速度和精度自己选

三步跑通：克隆、备料、出字

1. 克隆仓库

git clone https://gitcode.com/GitHub_Trending/moonshine3/moonshine && cd moonshine

仓库自带示例音频在 test-assets/ 下，后面排错用得上。

2. 拉库、模型和样本音频

cd examples/c++ && ./download-library.sh # 自动识别平台，下载预编译库+medium-streaming-en模型+two_cities.wav

脚本按uname选对架构，三个文件都落到当前目录，不用你操心文件名。

3. 编译并运行转写器

g++ transcriber.cpp -Imoonshine-voice/include -Lmoonshine-voice/lib -lmoonshine -Wl,-rpath,'$ORIGIN/moonshine-voice/lib' -o transcriber ./transcriber # 默认读medium-streaming-en模型转写two_cities.wav，逐行打印转录事件

看到 "Line started / Line text changed / Line completed" 滚动输出，说明跑通了。

参数与模式拆解

示例工具共 4 个参数，Windows 麦克风工具是它的前 3 个：

文件转写模式

直接./transcriber就能跑，默认模型 + 默认音频开箱即用。想换音频：./transcriber -w test-assets/beckett.wav。会议录音这类长文件，-t调大一点更省 CPU。

Windows 麦克风实时模式

用 Visual Studio 打开 examples/windows/cli-transcriber/ 下的.vcxproj，编译后直接运行cli-transcriber.exe：它打开系统默认麦克风按 16kHz 单声道采样，边说边在同一行刷新文本，说完才落定成一行，Ctrl+C 停止。

卡住了怎么办

• 现象：模型加载失败或启动即报错。原因：-a的档和目录里的模型对不上，或 .ort 文件没下全。解法：用ls检查模型目录文件是否齐全；-a和模型档位严格对应。
• 现象：喂音频报 "Not a RIFF file" 或直接失败。原因：工具只认 16 位 PCM 的 RIFF/WAVE，MP3、M4A、48kHz 立体声都不行。解法：ffmpeg -i in.mp3 -ar 16000 -ac 1 -sample_fmt s16 out.wav转一道再喂。
• 现象：想从core/源码构建，编译报'version' does not name a type。原因：部分内嵌二进制走 git-lfs，指针没拉下来。解法：git lfs install && git lfs pull；赶时间就直接走examples/c++/的预编译路线。

性能上两条：把-t从 0.48s 拉到 1s，CPU 占用明显下降；对速度敏感就换 tiny 档模型，代价是精度略降。

接下来

模型已经在你手里了，下一步把它接上麦克风：装 Python 包跑moonshine-voice mic --language en，边说边出字，直观感受流式延迟。想再压一压速度，换 tiny 档对比下精度损失。🚀

【免费下载链接】moonshineVery low latency speech to text, intent recognition, and text to speech, for building voice agents and interfaces项目地址: https://gitcode.com/GitHub_Trending/moonshine3/moonshine