Moonshine 是一系列专为在资源受限设备上实现快速且准确的自动语音识别（ASR）而优化的语音到文本模型。它非常适合实时、本地化应用，如实时转录和语音指令识别。在 HuggingFace 维护的 OpenASR 排行榜所使用的数据集上，Moonshine 的词错误率（WER）优于同样规模的 OpenAI Whisper 模型。Moonshine 的计算需求随输入音频长度变化而变化，这意味着较短的输入音频可以更快地被处理，这与现有 Whisper 模型将所有音频按 30 秒分块处理的方式不同。以实际效果为例：Moonshine 处理 10 秒音频片段的速度比 Whisper 快 5 倍，同时保持相同的（甚至更好的）词错误率。