itemprop="text">

Moonshine Voice 是一款开源 AI 工具包，专为开发者打造实时语音代理和应用。Moonshine Micro 是针对微控制器和 DSP 等嵌入式系统处理器优化的版本，以仅售 80 美分的 Raspberry Pi RP2350 作为参考平台。该方案集成了语音活动检测、指令识别和神经语音合成功能，最低仅需 470 KB 内存即可运行。

完整的演示演示见下方视频：

内存和计算需求经过专门设计，完美适配资源受限的系统。以下数据基于RP2350 演示，详细的内存预算对各项开销做了拆解：

组件	Flash	SRAM (峰值)	算力
VAD (语音活动检测)	~89 KiB	~36 KiB	~0.8 MMAC/帧 (~25 MMAC/s)
STT (SpellingCNN 语音转文字)	~1.3 MiB	~346 KiB	~36 MMAC/s
TTS (神经双音素合成 @ 16 kHz)	~1.8 MiB 语音包	~340 KiB	~37 MMAC 典型回复 (~65 MMAC/s 输出)
总计 (演示管线)	~3.6 MiB	~468 KiB 配置*	识别 + 播报 ~0.7–1.0 秒

说明：

• Flash 为 .text + .rodata，使用 arm-none-eabi-size 在默认 moonshine_micro_echo 固件上测量（包含嵌入式神经语音包）；SRAM 为 .bss + 堆 + 栈。
• *VAD、STT 和神经 TTS 按顺序运行，共享一个约 384 KiB 的 TFLM 内存区域，因此 SRAM 不叠加 — ~468 KiB 是 520 KiB RP2350 上配置的总内存 (wifi_hardware ~491 KiB)。
• MAC 为一次乘加运算；MMAC/s 为活跃期（非空闲）的每秒百万次运算。