Moonshine 是一系列针对资源受限设备优化的语音转文本模型，适用于快速且准确的自动语音识别（ASR）。它非常适合实时、本地运行的应用，如实时字幕和语音命令识别。在 HuggingFace 维护的 OpenASR 排行榜所用数据集上，Moonshine 的词错误率（WER）优于同等规模的 OpenAI Whisper 模型。
Moonshine 的计算需求随输入音频长度而变化，这意味着较短的音频输入处理速度更快，而现有的 Whisper 模型则将所有内容统一按 30 秒分块处理。举例说明其优势：Moonshine 处理 10 秒音频片段的速度比 Whisper 快 5 倍，同时保持相同（或更优！）的 WER。