Moonshine é uma série de modelos de voz para texto otimizados para dispositivos com recursos limitados, ideais para aplicativos em tempo real e locais, como transcrição ao vivo e reconhecimento de comandos de voz. Em conjuntos de dados de teste usados no ranking OpenASR mantido pelo HuggingFace, a taxa de erro de palavras (WER) do Moonshine supera a do modelo OpenAI Whisper de tamanho similar. Além disso, as necessidades computacionais do Moonshine variam com o comprimento do áudio de entrada, o que significa que áudios mais curtos são processados mais rapidamente, ao contrário do modelo Whisper, que trata tudo como blocos de 30 segundos. O Moonshine processa fragmentos de áudio de 10 segundos 5 vezes mais rápido que o Whisper, mantendo o mesmo ou melhor WER.