音声認識、字幕翻訳、AI吹き替え、音声と映像の合成に対応した、動画を別の言語に翻訳するオープンソースツール。
- スター
- 11,260
- フォーク
- 620
- 未解決の Issue
- 12
- 最終コミット
- 18 日前
これは何?
Moonshine Voiceは、リアルタイム音声エージェントやアプリケーションの開発に使えるオープンソースのAIツールキットです。すべてオンデバイスで動作するため、アカウントやAPIキーは不要で、音声をローカルに保てます。
音声認識モデルはスクラッチから学習されており、制約のあるデバイス向けの約1MBの小型モデルから、精度を重視した大型モデルまで揃っています。ユーザーが話している間に処理を始めて応答の遅延を抑える、ライブストリーミング向けの設計です。Python、JavaScript/WASM、iOS、Android、macOS、Linux、Windows、Raspberry Piで共通のAPIを利用できます。
意図認識と音声合成にも対応し、アシスタントに最新のAPIを教えるコーディングエージェント向けスキルも含まれています。モデルは原則としてMITライセンスですが、一部の旧式の非英語モデルには非商用ライセンスが適用されます。
主な機能
- 01スクラッチから学習した音声認識モデル。超小型から高精度向けまで、さまざまなサイズを用意。
- 02ユーザーが話している間に処理を始める、ライブストリーミング文字起こし。
- 03アカウントやAPIキー不要で、すべてオンデバイスで動作。
- 04Python、JavaScript/WASM、iOS、Android、デスクトップ、Raspberry Piで使える共通ライブラリ。
- 05音声インターフェース向けの意図認識と音声合成に対応。
ユースケース
- 音声をクラウドサービスに送信せずに、モバイルアプリやデスクトップアプリへ音声コマンドを追加する。
- ユーザーが話している途中から素早く応答する音声エージェントを構築する。
- Raspberry Piなどの小型組み込みデバイスで音声認識を実行する。
クイックスタート
- 1
Pythonパッケージをインストールする
pip install moonshine-voice - 2
英語のマイク音声をリアルタイムで文字起こしする
moonshine-voice mic --language en - 3
その他のプラットフォームでは、Quickstartガイドに従ってください
使う前に知っておきたいこと
- 英語以外の言語に対応する従来型の非ストリーミングモデルは、非商用ライセンスで提供されています。
トピック
よくある質問
- moonshine とは?
- リアルタイム音声エージェントやアプリ向けの、音声認識・意図認識・音声合成に対応したオープンソースのオンデバイスツールキット。 Moonshine Voiceは、リアルタイム音声エージェントやアプリケーションの開発に使えるオープンソースのAIツールキットです。すべてオンデバイスで動作するため、アカウントやAPIキーは不要で、音声をローカルに保てます。
- moonshine は無料で使えますか?ライセンスは?
- moonshine は Other ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- moonshine は今もメンテナンスされていますか?
- 活発にメンテナンス中。moonshine の最終コミットは 2026年10月2日 です。
- moonshine は何に使えますか?
- 音声をクラウドサービスに送信せずに、モバイルアプリやデスクトップアプリへ音声コマンドを追加する。 ユーザーが話している途中から素早く応答する音声エージェントを構築する。 Raspberry Piなどの小型組み込みデバイスで音声認識を実行する。
- moonshine のインストール方法は?
- Pythonパッケージをインストールする: pip install moonshine-voice 英語のマイク音声をリアルタイムで文字起こしする: moonshine-voice mic --language en その他のプラットフォームでは、Quickstartガイドに従ってください
- moonshine はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/moonshine-ai/moonshine
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
音声・マルチモーダルAIエージェントを構築するためのオープンソースPythonフレームワーク。音声処理、LLM、通信サービスを差し替えて利用できます。
Microsoftによるオープンソースの音声AIモデル群。長時間音声の認識(ASR)、複数話者の音声合成(TTS)、リアルタイムストリーミングTTSに対応。
音声認識(ASR)、音声合成(TTS)、音声LLMに対応し、音声AIモデルの構築、ファインチューニング、デプロイに使えるNVIDIAのオープンソースツールキット。
onnxruntimeを使ったオフライン音声処理ツールキット。多くのプラットフォームと言語で、音声認識、音声合成、VAD、話者ダイアライゼーションなどに対応。
Sopranoは、CUDA・CPU・MPSに対応し、ストリーミング出力が可能な超軽量のオンデバイス音声合成モデルです。