美國初創公司 Useful Sensors 推出了一款名爲 Moonshine 的開源語音識別模型。Moonshine 的設計旨在更高效地處理音頻數據，相比於 OpenAI 的 Whisper，它在計算資源的使用上更爲經濟，處理速度快五倍。這一新模型專爲在資源有限的硬件上實現實時應用而打造，具有靈活的架構。

image.png

與 Whisper 將音頻分爲固定的30秒片段處理不同，Moonshine 根據實際音頻長度調整處理時間。這使得它在處理較短音頻片段時表現出色，減少了由於零填充而產生的處理開銷。

Moonshine 有兩個版本:小型的 Tiny 版本參數量爲2710萬，大型的 Base 版本則爲6150萬。而相比之下，OpenAI 的同類模型參數量更大，Whisper tiny.en 爲3780萬，base.en 爲7260萬。

image.png

測試結果顯示，Moonshine 的 Tiny 模型在準確性上與 Whisper 相當，同時消耗的計算資源更少。在各種音頻水平和背景噪聲的情況下，Moonshine 的兩個版本在詞錯誤率（WER）上都低於 Whisper，顯示出較強的性能。

研究團隊指出，Moonshine 在處理極短音頻片（少於一秒）時仍有提升空間。這些短音頻在訓練數據中佔比較小，增加這類音頻片段的訓練可能會提升模型的表現。

此外，Moonshine 的離線能力開闢了新的應用場景，之前由於硬件限制而無法實現的應用現在變得可行。與需要較高功耗的 Whisper 不同，Moonshine 適合在智能手機和小型設備（如樹莓派）上運行。Useful Sensors 正在利用 Moonshine 開發其英西翻譯器 Torre。

Moonshine 的代碼已經在 GitHub 上發佈，用戶需要注意，像 Whisper 這樣的 AI 轉錄系統可能會出現錯誤。一些研究表明，Whisper 在生成內容時有1.4% 的概率會出現虛假信息，特別是對於有語言障礙的人羣，錯誤率更高。

項目入口:https://github.com/usefulsensors/moonshine

劃重點:

🌟 Moonshine 是一款開源語音識別模型，其處理速度比 OpenAI 的 Whisper 快五倍。  

🔍 該模型能夠根據音頻長度調整處理時間，特別適合短音頻片段。  

🖥️ Moonshine 支持離線運行，適合資源有限的硬件設備使用。