Amazonのアソシエイトとして、ラズパイダ(raspida.com)は適格販売により収入を得ています。詳しくは当サイトの プライバシーポリシーをご覧ください。

話題のMoonshine VoiceをRaspberry Pi OSで使うためにインストールや確認したことをまとめます。

  • テスト対象OS：Raspberry Pi OS Lite
  • STTエンジン：Moonshine Voice

検証環境

  • Model: Raspberry Pi 5 Model B Rev 1.1 (MEM16GB)
  • OS: Debian GNU/Linux 13 (trixie)
  • Kernel: 6.12.62+rpt-rpi-2712
  • Python 3.13.5

Python環境の構築

Python 3.13.5の環境で、以下のように準備します。

sudo apt update
sudo apt full-upgrade -y

sudo apt install -y \
python3-pip \
python3-venv \
portaudio19-dev

プロジェクト用にディレクトリを作成

mkdir stt-meeting
cd stt-meeting

Python仮想環境にして必要なパッケージをインストール

python3 -m venv venv
source venv/bin/activate

Moodshineのインストール

pip install --upgrade moonshine-voice

Moodshineのモデルをダウンロードは、通常だとenですが、日本語モデル(base)をダウンロードします。

cd ~/stt-meeting
python -m moonshine_voice.download --language ja

# 指定しないと通常はbase/en
python -m moonshine_voice.download moonshine/base --output models

モデルのパス（Path）は以下のように.cacheに入っていた。コード内で指定するから控えておく。

/home/raspida/.cache/moonshine_voice/download.moonshine.ai/model/base-ja/quantized/base-ja

実際にコード内で呼び出すときは、モデルへのパスをそのまま指定する。

追加インストール

以下のパッケージ類も使うので、入っていなければインストールしておく。

pip install sounddevice
pip install numpy

■Pi 5は8GBモデルがオススメ

Raspberrypi5 8G ラズベリーパイ5 技適取得済マーク入り商品
Raspberrypi5 8G ラズベリーパイ5 技適取得済マーク入り商品
Amazonで詳しくみる
【国内正規代理店品】Raspberry Pi4 ModelB 4GB ラズベリーパイ4 技適対応品【RS・OKdo版】
【国内正規代理店品】Raspberry Pi4 ModelB 4GB ラズベリーパイ4 技適対応品【RS・OKdo版】
Amazonで詳しくみる
【Windows11 Pro】正規 DSPライセンス日本語版 (インストールUSB付)
【Windows11 Pro】正規 DSPライセンス日本語版 (インストールUSB付)
Amazonで詳しくみる

USBマイクの確認

マイクのデバイス番号はコードで必要なため調べておく。

arecord -l

**** List of CAPTURE Hardware Devices ****
card 2: AK5371 [AK5371], device 0: USB Audio [USB Audio]
  Subdevices: 1/1
  Subdevice #0: subdevice #0

もしくはマイクの詳細をpythonで実行。

python3 -c "import sounddevice as sd; print(sd.query_devices())"

大抵のUSBマイクはUSB Audioとして認識されています。

  0 vc4-hdmi-0: MAI PCM i2s-hifi-0 (hw:0,0), ALSA (0 in, 2 out)
> 1 AK5371: USB Audio (hw:2,0), ALSA (2 in, 0 out)
  2 sysdefault, ALSA (0 in, 128 out)
  3 hdmi, ALSA (0 in, 2 out)
< 4 default, ALSA (0 in, 128 out)

対応サンプリングレートの確認スクリプト

単に「録音できるか」だけでなく、**「音声認識に適している指定したサンプリングレート（16kHz）をハードウェアが正しく受け入れているか」を厳格にチェックし、さらに「録音された波形の音量（振幅）が適切か」**を診断するスクリプトです。

mic_health_check.pyなどと名前を付けて実行してみてください。

import sounddevice as sd
import numpy as np
import time

def check_microphone(device_id, target_rate=16000):
    print(f"--- マイク診断開始 (Device ID: {device_id}) ---")

    # 1. ハードウェアの対応状況を確認
    try:
        dev_info = sd.query_devices(device_id)
        print(f"【1】デバイス名: {dev_info['name']}")
        print(f"    デフォルト・レート: {dev_info['default_samplerate']} Hz")
    except Exception as e:
        print(f"エラー: デバイスが見つかりません。 {e}")
        return

    # 2. 16kHz/モノラルでの録音テスト
    print(f"\n【2】16kHz/モノラルでの動作テスト中...", end="", flush=True)
    duration = 3  # 3秒間テスト
    try:
        # 実際にそのレートで録音を試みる
        recording = sd.rec(int(duration * target_rate), samplerate=target_rate, channels=1, dtype='float32', device=device_id)
        sd.wait()
        print(" [成功]")
        print("    → このマイクは16kHz入力をハードウェアでサポートしています。")
    except Exception as e:
        print(" [失敗]")
        print(f"    → 16kHzは非対応のようです。エラー内容: {e}")
        return

    # 3. 音量（感度）のチェック
    rms = np.sqrt(np.mean(recording**2))
    peak = np.max(np.abs(recording))
    print(f"\n【3】入力レベル確認 (3秒間の平均)")
    print(f"    平均音量 (RMS): {rms:.4f}")
    print(f"    最大音量 (Peak): {peak:.4f}")

    if peak < 0.01:
        print("    [警告] 音が非常に小さいです。マイクがミュートされているか、感度が低すぎます。")
    elif peak > 0.98:
        print("    [警告] 音が割れています（クリッピング）。マイクのゲインを下げてください。")
    else:
        print("    [良好] 適切な入力レベルです。")

    print("\n--- 診断完了 ---")
    if target_rate == 16000:
        print("判定: このマイクはMoonshine STTに最適な設定で動作可能です！")

if __name__ == "__main__":
    # デバイスリストを表示して、'USB Audio' という名前が含まれるものを探す
    devices = sd.query_devices()
    print("--- 認識されているデバイス一覧 ---")
    target_id = None
    for i, dev in enumerate(devices):
        print(f"ID {i}: {dev['name']} (入力: {dev['max_input_channels']}ch)")
        # 新しいマイクが届いたら、名前に 'USB' や 'PR-SK95CK' が入っているものを自動選択
        if dev['max_input_channels'] > 0 and 'USB' in dev['name']:
            target_id = i

    if target_id is not None:
        print(f"\n自動選択されたデバイス ID {target_id} でテストを開始します。\n")
        check_microphone(target_id)
    else:
        print("\nマイク（入力デバイス）が見つかりませんでした。")

手持ちの16kHzに対応していないAK5371を実行すると、結果はちゃんと"失敗"と判別されました。

python3 mic_health_check.py
--- 認識されているデバイス一覧 ---
ID 0: AK5371: USB Audio (hw:0,0) (入力: 2ch)
ID 1: vc4-hdmi-0: MAI PCM i2s-hifi-0 (hw:1,0) (入力: 0ch)
ID 2: sysdefault (入力: 128ch)
ID 3: spdif (入力: 2ch)
ID 4: default (入力: 128ch)

自動選択されたデバイス ID 0 でテストを開始します。

--- マイク診断開始 (Device ID: 0) ---
【1】デバイス名: AK5371: USB Audio (hw:0,0)
    デフォルト・レート: 44100.0 Hz

【2】16kHz/モノラルでの動作テスト中...Expression 'paInvalidSampleRate' failed in 'src/hostapi/alsa/pa_linux_alsa.c', line: 2048
Expression 'PaAlsaStreamComponent_InitialConfigure( &self->capture, inParams, self->primeBuffers, hwParamsCapture, &realSr )' failed in 'src/hostapi/alsa/pa_linux_alsa.c', line: 2718
Expression 'PaAlsaStream_Configure( stream, inputParameters, outputParameters, sampleRate, framesPerBuffer, &inputLatency, &outputLatency, &hostBufferSizeMode )' failed in 'src/hostapi/alsa/pa_linux_alsa.c', line: 2842
 [失敗]
    → 16kHzは非対応のようです。エラー内容: Error opening InputStream: Invalid sample rate [PaErrorCode -9997]

対応していないならUSBマイクは見直そう

マイク(hw:1,0)で、強制的に16kHz/1chで録音を試みるコマンド

arecord -D hw:1,0 -r 16000 -f S16_LE -c 1 -d 5 test.wav

このとき、エラーで詳しいことが分かりました。

Warning: rate is not accurate (requested = 16000Hz, got = 11025Hz)
         please, try the plug plugin
Recording WAVE 'test-16khz.wav' : Signed 16 bit Little Endian, Rate 11025 Hz, Mono

このマイクのハードウェア（またはドライバ）は、16kHzというサンプリングレートを直接扱うことができず、代わりにさらに低い 11,025Hz に落とされていました。

11,025Hzまで落ちると、高音域の成分が削られすぎてしまい、Moonshineの認識精度（特に「さ行」や「た行」の区別）が劇的に悪化します。

これはこのマイクでハルシネーション（誤認）が起きていた物理的な要因の一つです。

Rブラック Rブラック
ちょっとマイクを買いなおそう
Rレッド Rレッド
でも、安価な製品だと固定されているのが多いのが実情です。
Rグリーン Rグリーン
音声認識にちょうど良いのがあったら、またお知らせしますね。