/ Модель

Характеристики

Лицензия
MIT
Базовая модель
moonshine-base-zh
Библиотека
transcribe.cpp
Опубликована
12 мая 2026

moonshine-base-zh-gguf

Распознавание речиАудио → текст4 профессии

moonshine-base-zh-gguf — это GGUF-конверсия модели UsefulSensors/moonshine-base-zh, подготовленная для работы с transcribe.cpp.

1 022скачиваний за 30 дней0лайковвеса обновлены15 сен 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

Модель предназначена для автоматического распознавания речи и преобразования китайской, в частности мандаринской, речи в текст. Она подходит для локальной транскрипции 16 кГц монофонических аудиозаписей, но не поддерживает потоковую обработку, перевод, автоматическое определение языка или временные метки.

Модель использует encoder-decoder Transformer с примерно 62 млн параметров. Она принимает необработанный PCM-аудиосигнал через трёхслойный Conv1d-стем без STFT и mel-фильтробанка и генерирует только текст транскрипции. Доступны варианты F32 размером 248 МБ, F16 размером 132 МБ и Q8_0 размером 77 МБ. На тесте FLEURS zh CER составила 16,65% для F32 и F16, а для Q8_0 — 17,00%; квантованный вариант немного уступает по точности, сохраняя меньший размер.

Основные ограничения — поддержка только языка zh, отсутствие перевода, потокового режима, определения языка и временных меток, а также необходимость предварительно подготовить аудио в формате 16 кГц mono WAV. Модель распространяется по лицензии MIT, унаследованной от базовой модели.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

moonshine-base-zh: transcribe.cpp GGUF

GGUF conversions of UsefulSensors/moonshine-base-zh for use with transcribe.cpp.

Ported from upstream commit 1df4f95, pinned 2026-05-12. Validated against the transformers reference at transcribe.cpp commit 90bf720 on 2026-05-12.

UsefulSensors' Moonshine base fine-tuned on Mandarin. Same encoder-decoder transformer architecture as moonshine-base (62M parameters): consumes 16 kHz raw PCM via a three-layer Conv1d stem (no STFT, no mel filterbank) and emits transcript-only output. Single-language (zh); no translation, no language detection, no timestamps.

Downloads

QuantizationDownloadSizeCER (FLEURS zh test)
F32moonshine-base-zh-F32.gguf248 MB16.65%
F16moonshine-base-zh-F16.gguf132 MB16.65%
Q8_0moonshine-base-zh-Q8_0.gguf77 MB17.00%

CER on the full FLEURS zh split (945 utterances), batch size 1, timestamps none. Figures without a commit were published before provenance was recorded.

Decoded with the transcribe.cpp defaults (greedy, num_beams=1, max_length=192, matching the upstream generation_config).

UsefulSensors does not publish a per-language CER number for this variant. As a comparable baseline we ran the Transformers F32 reference (MoonshineForConditionalGeneration, fp32 on MPS) on the same manifest: 16.61% CER. The C++ F32/F16 numbers above match the reference within bootstrap-CI noise; Q8_0 introduces a small additional drift from F16 (typically within 0.1pp).

Usage

Build transcribe.cpp from source:

git clone git@github.com:handy-computer/transcribe.cpp.git
cd transcribe.cpp
cmake -B build && cmake --build build

Run on a 16 kHz mono WAV:

build/bin/transcribe-cli \
  -m moonshine-base-zh-Q8_0.gguf \
  input.wav

If your audio isn't already 16 kHz mono WAV, convert it first:

ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav

See the transcribe.cpp model page for performance numbers, numerical validation, and reproduction steps.

License

Inherited from the base model: MIT. See the upstream model card for full terms.


Original Model Card

The section below is reproduced from UsefulSensors/moonshine-base-zh at commit 1df4f95 for offline reference. The upstream card is the authoritative source.

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transcribe.cpp

Нельзя запустить

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

Ревизия весов
1724e1d

0 моделей