Характеристики

Лицензия: MIT
Базовая модель: moonshine-tiny
Библиотека: ggml
Опубликована: 20 апр 2026

Ссылки

moonshine-tiny-GGUF

Распознавание речиАудио → текст4 профессии

Moonshine Tiny GGUF — это компактная модель автоматического распознавания речи, разработанная UsefulSensors и преобразованная в формат GGUF проектом cstr для использования с CrispASR.

2 252скачиваний за 30 дней0лайковвеса обновлены2 авг 2026

Бенчмарки

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

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

Репозиторий содержит варианты с разной степенью квантования; обучение, дообучение и изменение архитектуры в этой версии не выполнялись.

Модель предназначена для транскрибации аудио на английском языке, включая локальную обработку на CPU. Архитектура включает свёрточный входной слой Conv1d, трансформерный энкодер из 6 слоёв и трансформерный декодер из 6 слоёв; используется размерность 288, 8 attention-голов, partial RoPE и активации SiLU/GELU. Модель содержит около 27 миллионов параметров. Доступны варианты F32 размером 104 МБ, Q8_0 размером 33 МБ и Q4_K размером 21 МБ; Q4_K предлагает наиболее выгодный компромисс между размером и качеством.

Сильными сторонами являются небольшой размер, высокая скорость и возможность работы на CPU: для F32 заявлена производительность 11,2 раза быстрее реального времени. На LibriSpeech заявлены показатели WER 4,55% для записи clean и 11,68% для записи other. Ограничение модели — поддержка только английского языка; качество и производительность могут зависеть от акустики и характеристик аудио. Модель и её конверсия распространяются по лицензии MIT.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Moonshine Tiny -- GGUF

GGUF conversions and quantisations of UsefulSensors/moonshine-tiny for use with CrispStrobe/CrispASR.

Available variants

File	Quant	Size	Notes
`moonshine-tiny.gguf`	F32	104 MB	Full precision
`moonshine-tiny-q8_0.gguf`	Q8_0	33 MB	High quality
`moonshine-tiny-q4_k.gguf`	Q4_K	21 MB	Best size/quality tradeoff

All variants produce correct transcription on test audio.

Model details

Architecture: Conv1d stem + 6L transformer encoder + 6L transformer decoder (288d, 8 heads, partial RoPE, SiLU/GELU)
Parameters: 27M
Languages: English only
WER: 4.55% (LibriSpeech clean), 11.68% (Other)
Performance: 11.2x realtime on CPU (F32)
License: MIT
Source: moonshine.cpp (MIT)

Usage with CrispASR

./build/bin/crispasr -m moonshine-tiny-q4_k.gguf -f audio.wav
./build/bin/crispasr --backend moonshine -m moonshine-tiny-q4_k.gguf -f audio.wav -osrt

Provenance and EU AI Act Art. 53 note

Upstream model: UsefulSensors/moonshine-tiny — published by UsefulSensors.
Upstream licence: mit. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
What was done here: format conversion and/or quantisation only (GGUF/GGML). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository.
Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

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

GPU в ailist

Универсальный рантайм · ggml

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: f9d70fd