Moonshine v2は、アメリカのUseful Sensorsが2026年2月にリリースしたオープンソースの音声認識（ASR、Automatic Speech Recognition）エンジンです。一言で表すと、「Whisperの軽量版。Raspberry Pi、ウェアラブル、モバイルでもリアルタイムに動作するSTT」と言えるでしょう。 従来のOpenAI Whisperは正確ですが、サイズが大きく（tinyモデルでも39M+）、エッジデバイスでのリアルタイム処理が困難でした。Moonshine v2は、「Ergodic Streaming Encoder」アーキテクチャを採用し、スライディングウィンドウによる自己注意メカニズムを適用することで、27MのパラメータでWhisperと同等の精度を維持しながら、5倍高速な推論速度を実現しています。RoPE（Rotary Position Embedding）によりゼロパディングを排除し、メモリと計算の無駄を最小限に抑えています。まるで「WhisperがクラウドGPU用のSUVであるなら、MoonshineはエッジIoT用の電動自転車」と言えるでしょう。 生命工学・医療研究者の視点から見ると、（1）患者へのインタビューや臨床試験の議事録をクラウドに送信することなく、ローカルでリアルタイムに文字起こし（HIPAA・GDPR保護）、（2）ライブセルイメージング中に「3分後に薬剤を投与」などの音声メモを自動的にタイムスタンプとともに保存、（3）Raspberry Piベースの実験用ノートパソコンの補助デバイスを構築することが可能です。moonshine-voice SDKは、STT + 意図認識 + TTSを統合的に提供し、「手を触れずにマイクで実験コマンド」のような音声エージェントを作成することもできます。

Whisperと比較して5倍高速な、超軽量のエッジデバイス専用音声認識エンジン

臨床インタビュー・診療記録のローカルSTT: Moonshine tiny（27M）モデルをMac mini M2に搭載し、患者のインタビューをリアルタイムで文字起こし。クラウドへの送信は行わず（HIPAA・GDPRに準拠）、30分のインタビューを約6秒の待ち時間で文字起こし完了。moonshine-voice SDKに「患者ID」「症状の発症時期」などの意図認識ルールを追加することで、構造化されたEMR入力の自動生成が可能。