/ Модель

Характеристики

Контекст
194 токена
Лицензия
MIT
Архитектура
moonshine · dense
Базовая модель
moonshine-tiny
Библиотека
transformers
Опубликована
27 янв 2026

moonshine-tiny-fr

Распознавание речиАудио → текст5 профессий

Компактная дообученная модель Moonshine для быстрой транскрибации французской речи, включая запуск на устройствах с ограниченными ресурсами.

155скачиваний за 30 дней2лайкавеса обновлены27 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Moonshine-Tiny-FR — компактная модель распознавания французской речи, созданная дообучением UsefulSensors/moonshine-tiny. Она принимает монофоническое аудио с частотой 16 кГц и выдаёт французскую текстовую расшифровку. Модель содержит 27 млн параметров и использует архитектуру Moonshine: свёрточное извлечение признаков, Transformer-блоки в энкодере и авторегрессионный Transformer-декодер. Указанная длина контекста — 194 токена.

Модель предназначена для транскрибации аудиофайлов и речи в реальном времени, голосовых команд, средств доступности и запуска на мобильных и периферийных устройствах. В README приведены результаты оценки на французском тестовом наборе Multilingual LibriSpeech: WER 21,8% и скорость около девяти раз быстрее реального времени на CPU. Лицензия — MIT.

По описанию, модель лучше работает на аудиокнигах и стандартном французском произношении; региональные акценты, сильный фоновый шум и очень короткие записи могут ухудшать распознавание. Возможны повторы и галлюцинации текста, особенно при жадном декодировании. Авторы отмечают, что это proof of concept и что для большей надёжности нужны дополнительные улучшения данных.

Сценарии применения

  • транскрибация французских аудиофайлов
  • распознавание французской речи в реальном времени
  • распознавание голосовых команд на французском языке
  • офлайн-транскрибация на мобильных и периферийных устройствах
  • создание субтитров и средств доступности для французской речи

Ограничения

Модель обучалась преимущественно на аудиокнигах и может хуже работать с региональными акцентами, сильным шумом и записями короче 0,5 секунды. Возможны повторы и галлюцинации, а результат на других речевых доменах может быть менее надёжным.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Moonshine-Tiny-FR: French Speech Recognition Model

Fine-tuned Moonshine ASR model for French language

This is a fine-tuned version of UsefulSensors/moonshine-tiny specifically optimized for French speech recognition. The model achieves state-of-the-art performance for its size (27M parameters) on French ASR tasks.

Links:

Usage

Installation

pip install --upgrade pip
pip install --upgrade transformers datasets[audio]

Basic Usage

from transformers import MoonshineForConditionalGeneration, AutoProcessor
import torch
import torchaudio

# Load model and processor
model = MoonshineForConditionalGeneration.from_pretrained('Cornebidouil/moonshine-tiny-fr')
processor = AutoProcessor.from_pretrained('Cornebidouil/moonshine-tiny-fr')

# Load and resample audio to 16kHz
audio, sr = torchaudio.load("french_audio.wav")
if sr != 16000:
    audio = torchaudio.functional.resample(audio, sr, 16000)
audio = audio[0].numpy()  # Convert to mono

# Prepare inputs
inputs = processor(audio, sampling_rate=16000, return_tensors="pt")

# Generate transcription
# Calculate max_new_tokens to avoid truncation (5 tokens per second is optimal for French)
audio_duration = len(audio) / 16000
max_new_tokens = int(audio_duration * 5)

generated_ids = model.generate(**inputs, max_new_tokens=max_new_tokens)
transcription = processor.decode(generated_ids[0], skip_special_tokens=True)
print(transcription)

Advanced Usage

For production deployments with:

  • Live transcription with Voice Activity Detection
  • ONNX optimization (20-30% faster)
  • Batch processing scripts
  • Complete inference pipeline

See the included inference.py script in the fine-tuning guide.

Model Details

Model Description

  • Base Model: UsefulSensors/moonshine-tiny
  • Language: French (fr)
  • Model Size: 27M parameters
  • Fine-tuned on: Multilingual LibriSpeech (MLS) French dataset specifically segmented for the requirements of the moonshine model
  • Training Duration: 8,000 steps
  • Optimizer: Schedule-free AdamW
  • License: MIT

Model Architecture

Moonshine is a compact sequence-to-sequence ASR model designed for efficient on-device inference:

  • Encoder: Convolutional feature extraction + Transformer blocks
  • Decoder: Autoregressive Transformer decoder
  • Parameters: 27M (tiny variant)
  • Input: 16kHz mono audio
  • Output: French text transcription

Performance

Evaluation Metrics

Evaluated on Multilingual LibriSpeech (MLS) French test set:

MetricScore
Word Error Rate (WER)21.8%
Character Error Rate (CER)~10%
Real-Time Factor (RTF)0.11x (CPU)

Inference Speed: ~9x faster than real-time on CPU, enabling live transcription.

Comparison

ModelSizeLanguageWER (MLS-FR)
Whisper-tiny39MMultilingual~25%
Moonshine-tiny-fr27MFrench21.8%
Whisper-base74MMultilingual~18%

Moonshine-tiny-fr achieves competitive performance with 30% fewer parameters than Whisper-tiny. While being a proof of concept. More work should be done to create a proper and robust dataset.

Training Details / Fine tuning

Please refer to my Github repo for the training procedure :

Use Cases

Primary Applications

✅ French Speech Recognition

  • Real-time transcription
  • Audio file transcription
  • Voice commands
  • Accessibility tools

✅ Resource-Constrained Environments

  • On-device transcription (mobile, edge devices)
  • Low-latency applications
  • Offline transcription

✅ Hogwarts Legacy SpellCaster

Limitations and Biases

Known Limitations for this tiny model

  • Hallucination: Like all seq2seq models, may generate text not present in audio
  • Repetition: May repeat phrases, especially with greedy decoding (use beam search)
  • Short Segments: Performance may degrade on very short audio clips (<0.5s)
  • Domain Specificity: Trained primarily on audiobooks (read speech)
  • Accents: Best performance on metropolitan French; regional accents may have higher WER
  • Background Noise: Performance degrades with significant background noise

Model Card Author

Pierre Chéneau (Cornebidouil)

Geologist, Developer and maintainer of this fine-tuned French model.

Links:

Citations

This Model

@misc{cheneau2026moonshine-tiny-fr,
  author = {Pierre Chéneau (Cornebidouil)},
  title = {Moonshine-Tiny-FR: Fine-tuned French Speech Recognition},
  year = {2026},
  publisher = {HuggingFace},
  url = {https://huggingface.co/Cornebidouil/moonshine-tiny-fr}
}

Fine tuning Guide

@misc{cheneau2026moonshine-finetune,
  author = {Pierre Chéneau (Cornebidouil)},
  title = {Moonshine ASR Fine-Tuning Guide},
  year = {2026},
  publisher = {GitHub},
  url = {https://github.com/pierre-cheneau/finetune-moonshine-asr}
}

Original Moonshine Model

@misc{jeffries2024moonshinespeechrecognitionlive,
      title={Moonshine: Speech Recognition for Live Transcription and Voice Commands},
      author={Nat Jeffries and Evan King and Manjunath Kudlur and Guy Nicholson and James Wang and Pete Warden},
      year={2024},
      eprint={2410.15608},
      archivePrefix={arXiv},
      primaryClass={cs.SD},
      url={https://arxiv.org/abs/2410.15608},
}

Multilingual LibriSpeech Dataset

@inproceedings{panayotov2015librispeech,
  title={Multilingual LibriSpeech: A Corpus for Speech Recognition in Multiple Languages},
  author={Pratap, Vineel and Xu, Qiantong and Sriram, Anuroop and Synnaeve, Gabriel and Collobert, Ronan},
  booktitle={Interspeech},
  year={2020}
}

Additional Resources

License

This model is released under the MIT License, consistent with the base Moonshine model.

MIT License

Copyright (c) 2026 Pierre Chéneau (Cornebidouil)

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction...

Acknowledgments

  • Useful Sensors for the original Moonshine architecture and pre-trained model
  • Meta AI for the Multilingual LibriSpeech dataset
  • HuggingFace for the transformers library and model hosting
  • Schedule-Free Learning for the optimizer implementation

Questions? Open an issue on the fine-tuning guide repository or check the documentation.

Want to fine-tune for your language? See the complete fine-tuning guide.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MoonshineForConditionalGeneration
Ревизия весов
cae6a66

0 моделей