Moonshine es una serie de modelos de voz a texto optimizados para dispositivos con recursos limitados, ideales para aplicaciones en tiempo real y en el dispositivo, como la transcripción en vivo y el reconocimiento de comandos de voz. En los conjuntos de datos de prueba utilizados en el ranking OpenASR mantenido por HuggingFace, Moonshine supera en tasa de error de palabras (WER) a los modelos OpenAI Whisper de tamaño similar. Además, las necesidades computacionales de Moonshine varían con la longitud del audio de entrada, lo que significa que las entradas de audio más cortas se procesan más rápido, a diferencia de los modelos Whisper, que procesan todo como bloques de 30 segundos. Moonshine procesa fragmentos de audio de 10 segundos 5 veces más rápido que Whisper, manteniendo al mismo tiempo un WER igual o mejor.