Earlybirdは小型のトランスフォーマーモデルで、音声の最初の音だけで単語を予測し、未完了の語に対しても確信度を算出できる。研究では、全てのテストセット（LibriSpeech、TED-Talk、公開スピーチ、収益報告、合成音声）で、Mid‑Wordの予測精度が他モデルを上回り、特にLibriSpeechでは69 %の単語が話し手が終了する前に正しく予測される。さらに、Uncertaintyエラー（ECE）は3.7 %から5.5 %の範囲に抑えられており、信頼性が高いことが示されている。

モデルは既存のMoonshine Tinyエンコーダ－デコーダーを用い、語彙を19 007語に削減した後、80 msごとに音声を切り、到達するべき単語とその次の二語を推測するように学習させる。架構自体は変更されず、語彙削減と量子化のみで構成されている。10 ms単位の遅延を最小化し、語の終端に対して補正フレームを追加することで、中間予測の遅延をさらに短縮している。

LibriSpeech test‑cleanにおいて、Earlybirdの中央値遅延は−90 msで、Moonshine Tinyが+270 ms、Whistleが+400 ms、Whisper baseが+90 msである。すべての6セットで、Earlybirdは中央値遅延が360 ms早く、Whistleに比べて490–580 ms、Whisper baseに比べて160–200 ms早い。全体的な単語誤り率（WER）はOpen ASR Leaderboardで、フル精度で11.7 %、4‑bit量子化で12.7 %で、Moonshine Tiny（12.0 %）を上回り、Whistle（12.2 %）にほぼ同等である。なお、未知領域の音声コマンドでは確信度の校正が劣化し、ECEは8.8 %に達する。