Moonshine Voice est une bibliothèque open source conçue pour le développement d'applications vocales en temps réel, entièrement exécutée en local sur les appareils (edge devices). Elle permet une reconnaissance automatique du langage parlé (ASR) rapide, privée et sans besoin de compte, de carte de crédit ou de clés API. Conçue pour des applications en flux continu, Moonshine réduit la latence grâce à un traitement incrémental qui s’effectue pendant que l’utilisateur parle, plutôt que d’attendre la fin de la phrase. Les modèles sont optimisés pour des environnements à ressources limitées, avec des versions allant de 26 Mo (Tiny) à des modèles plus précis comme Medium Streaming (245 millions de paramètres), offrant une précision supérieure à celle de Whisper Large V3 malgré une taille bien plus réduite. La bibliothèque fonctionne sur Python, iOS, Android, macOS, Linux, Windows, Raspberry Pi, appareils IoT et objets connectés, grâce à une couche C++ portable utilisant ONNX Runtime pour une performance optimale. L’un des principaux avantages de Moonshine par rapport à Whisper réside dans sa capacité à traiter des segments audio de longueur variable sans padding inutile, ce qui réduit considérablement la latence — parfois jusqu’à 5 fois plus rapide. Contrairement à Whisper, qui traite toujours des fenêtres fixes de 30 secondes, Moonshine adapte son traitement au flux réel, évitant ainsi des calculs redondants. De plus, elle met en cache les encodages audio et l’état du décodeur, permettant une mise à jour rapide du transcript même pendant la parole. Moonshine propose aussi des modèles spécifiques à chaque langue (arabe, japonais, coréen, mandarin, espagnol, ukrainien, vietnamien), offrant une meilleure précision que les modèles multilingues de Whisper, notamment pour les langues asiatiques. La bibliothèque inclut des fonctionnalités intégrées : détection de parole (VAD), identification des locuteurs (diarisation), reconnaissance d’intention (commandes vocales) via une correspondance sémantique, et une API événementielle simple pour réagir en temps réel aux phrases. Les développeurs peuvent commencer rapidement avec des exemples préconfigurés pour chaque plateforme (Python, iOS, Android, etc.), et installer la bibliothèque via les gestionnaires de paquets standard (pip, Maven, Swift Package Manager). Un script de téléchargement automatique permet d’obtenir les modèles, qui sont disponibles en format ONNX et Safetensors sur Hugging Face. Moonshine excelle dans les scénarios d’interface vocale en temps réel, comme les assistants domestiques, les robots ou les interfaces mains libres, où une latence inférieure à 200 ms est cruciale. En comparaison avec Whisper, qui excelle en traitement par lots dans le cloud, Moonshine est optimisé pour les performances locales et les contraintes matérielles. Des outils de débogage sont inclus : enregistrement audio, journalisation des appels API, benchmarks pour mesurer la latence et la charge CPU. La bibliothèque est open source sous licence MIT (modèles anglais) ou Moonshine Community License (autres langues), avec une architecture modulaire et extensible. Des améliorations futures prévues incluent le remplissage de champs (slot filling) pour les commandes complexes. L’équipe offre un support actif via Discord, ainsi que des services commerciaux pour la personnalisation des modèles, le déploiement sur nouvelles plateformes ou l’ajout de langues. En résumé, Moonshine Voice répond à un besoin croissant de systèmes vocaux rapides, privés et autonomes sur périphériques limités. En combinant haute précision, faible latence, support multi-langues et portabilité, elle se positionne comme une alternative puissante et moderne aux solutions existantes, en particulier pour les applications embarquées et en temps réel.