Moonshine ist ein Open-Source-Voice-Stack von Moonshine AI (früher Useful Sensors), gegründet von Pete Warden — dem Ingenieur hinter TensorFlow Lite bei Google. Speech-to-text, Intent-Erkennung und Text-to-speech, alles in C++, alles on-device. Das Micro-Build führt eine komplette Sprachschnittstelle in 470 KB RAM auf einem 80-Cent-Raspberry-Pi-RP2350-Chip aus. Kein Cloud, keine API-Keys. 9.001 GitHub-Stars, 330 Punkte auf der Hacker-News-Startseite.
Sechs-mal kleiner als Whisper, genauer
Das größte Speech-to-text-Modell von Moonshine hat 245 Millionen Parameter und erzielt eine Wortfehlerrate von 6,65 % auf dem OpenASR-Leaderboard. Whisper Large v3: 1,5 Milliarden Parameter, 7,44 %. Es streamt auch — transkribiert, während Sie noch sprechen — so reagieren Sprach-Agents um eine Größenordnung schneller als Batch-Mode-Alternativen.
Das SDK: einbinden und los
Es wird als C++-Bibliothek plus Swift-Package ausgeliefert, mit Python-, Android- und Web-Bindings, unter MIT-Lizenz. Einfach in eine App einbinden und Sie erhalten lokales STT und TTS — Sprach-Agents auf Wearables, Spielzeugen und Haushaltsgeräten oder datenschutz-first Diktat, alles offline. Alle anderen stapeln Gigabytes an Gewichten für Sprache; Moonshine läuft auf einem Mikrocontroller. Das ist die knappe Richtung.