500KB未満の音声認識とTTSをマイコンで実現
मूल शीर्षक: Speech Recognition and TTS in less than 500kb
यह क्यों महत्वपूर्ण है
超軽量な音声AIをマイコンレベルで実現することで、IoTやエッジデバイスへの音声インターフェース普及を加速させる可能性がある。
moonshine-aiは、マイクロコントローラー向けの音声AI toolkit「Moonshine Micro」を公開した。Raspberry Pi RP2350（約80セント）を参照プラットフォームとし、500KB未満で音声認識とTTSをリアルタイム実行できるオープンソースプロジェクトである。
moonshine-aiは、組み込みシステム向けの音声AIツールキット「Moonshine Micro」をGitHub上でオープンソース公開した。本プロジェクトは、マイクロコントローラーやDSPなどの低リソース環境で動作するよう設計されており、参照プラットフォームとして1個あたり約80セントで販売されているRaspberry Pi RP2350を採用している。
主な特徴として、音声認識（STT）とテキスト音声合成（TTS）の両機能を500KB未満のモデルサイズで実装している点が挙げられる。リポジトリには、STT（音声認識）、VAD（音声活動検出）、Klatt合成方式によるTTS、ニューラルTTS、G2P（書記素から音素への変換）、特徴生成などの複数モジュールが含まれており、RP2350向けのサンプルコードも提供されている。
親プロジェクト「Moonshine Voice」はリアルタイム音声エージェントおよびアプリケーション開発者向けのオープンソースAIツールキットとして位置づけられており、Moonshine MicroはそのEmbedded版である。GitHubでは現在スター数8,900以上を獲得しており、開発者コミュニティから高い関心を集めている。