企业官网建设流程全解析

边缘设备语音识别命令行工具：本地语音转文字 5 分钟跑通

【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

音频不出设备，文字实时落地。Moonshine 命令行工具是一套跑在边缘设备上的离线 ASR 工具，一条命令就能把 WAV 音频转录成文字，全程不碰网络。

会议录音，在树莓派上变成文字

想象一下：客户现场断网，你把一段会议录音拷进树莓派，想在本地直接出文字稿。云端 ASR 用不了，装个模型又嫌麻烦。Moonshine 的 C++ 通用示例就是为这种场景准备的：读入 WAV，逐句打印识别结果，不需要麦克风、不需要联网。整个过程只依赖本地算力和一个 WAV 文件。

Moonshine 语音识别命令行工具：音频到文字的边缘识别架构

三步跑通本地语音转文字

git clone https://gitcode.com/GitHub_Trending/moonshine3/moonshine cd moonshine/examples/c++ ./download-library.sh # 拉取预编译库、流式模型和示例音频 ./transcriber # 默认转写 two_cities.wav

你会看到屏幕先打出 "Line started"，随后句子边识别边更新，直到打出 "Line completed" 的完整句。每次更新相隔约 0.481 秒，这正是-t参数的默认值。模型和示例音频都由脚本放进默认位置，不用手工指定路径。

两套工具怎么选

在 Visual Studio 里编译 cli-transcriber 工程后直接运行：不带参数就监听麦克风，Ctrl+C 停止；加-w则转写 WAV 文件后退出。转写现成录音选 C++ 通用示例，要边说边出字选 Windows 工具。如果你的设备不是 Windows，直接跳过专用工具。

影响体验的三个参数

• 识别结果总差那么半拍？调-t（转录间隔，秒）：调小让文字更新更勤，设备吃紧时调大省 CPU。
• 想换语言或控制精度？用-m指定模型目录，默认指向 medium-streaming-en。
• 树莓派上跑得慢？加-a 2切到 Tiny Streaming 架构，体积和耗时都小一档。

⚡ 踩坑快查

1. 现象：模型加载失败。原因：模型目录没拉全。修复：./download-library.sh补齐后重跑。
2. 现象：报错Only 16-bit PCM WAV files are supported。原因：把 mp3 或 32 位采样的文件直接喂了进来。修复：ffmpeg -i in.mp3 -ar 16000 -ac 1 -sample_fmt s16 out.wav

下一步：换成你自己的录音

音频留在本地，才是边缘语音识别的意义。把 two_cities.wav 换成你的录音，再跑一遍。

【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