Transkribatu honekin Moonshine
7.8%
WER
1
Hizkuntzak
80.0x
Abiadura
MIT
Lizentzia
Honi buruz Moonshine
Moonshine hizketa-testu modelo oso trinkoa da, baliabide mugatuak dituzten inguruneetarako diseinatua. 61M parametro besterik ez ditu, eta eraginkortasunez exekutatzen da Raspberry Pi bezalako ertz-gailuetan, ingelesezko transkripzioaren zehaztasun arrazoizkoari eutsiz.
Onartutako hizkuntzak Moonshine
Modeloaren informazioa
- HornitzaileaUseful Sensors
- Arkitektura-
- LizentziaMIT
- EguneratutaMar 2026
Maiz egiten diren galderak
Moonshine Useful Sensorsren hizketa-testu modelo bat da. STT.aik Moonshine gure GPU azpiegituran ostatzen du, zure hardwarea hornitu gabe erabil dezakezu, audioa edo bideoa igo eta Moonshine aukeratu modelo-hautatzailean.
Erreferentzia estandarretan, Moonshinek %7.8 inguruko hitzen errore-tasa lortzen du. Benetako zehaztasuna audio-kalitatearen, azentuaren eta hizkuntzaren araberakoa da; grabazio zaratatsu edo azentudunetarako, WER ehuneko puntu batzuk handiagoa espero daiteke.
Moonshine STT.airen doako mailan exekutatzen da — bisitari bakoitzak 600 minutuko hasiera-denbora du, kosturik gabe. Ordainpeko planek fitxategiko muga luzeagoak gehitzen dituzte, transkribapen pribatuak eta lehentasun-ilara.
Moonshine MIT lizentziapean argitaratzen da, kode irekiko lizentzia permisiboa. Zure hardwarean Moonshine ostatatu dezakezu edo gure ostatatutako bertsioa erabili — biak erabil daitezke merkataritzan.
Moonshinek 1 hizkuntza onartzen ditu. Auto-detekzioak hizkuntza egokia hautatzen du audio gehienentzat; eskuz ere zehaztu dezakezu zehaztasun txikiagoa lortzeko.
Moonshine-k audioa 80.0x denbora errealean prozesatzen du gure GPUetan. Ordu bateko audio-fitxategi bat 1 minututan amaitzen da; fitxategi luzeagoak ilaran jarri eta e-postaz jakinarazi egiten dira amaitzen direnean.
Moonshine-k 61M parametro ditu. Modelo handiagoak zehatzagoak izaten dira, baina motelagoak; STT.ai-k Moonshine GPUan gordetzen du, beraz parametroen kopuruak ez du eraginik izango bezeroaren errendimenduan.
Moonshineek STT.aik onartzen dituen formatu guztiak onartzen ditu: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI eta beste batzuk. Irteera TXT, SRT, VTT, DOCX, JSON edo PDF gisa.
Bai. Hiztun-diarizazioa Moonshinerekin batera exekutatzen da transkribapen bakoitzean — hiztun bakoitza etiketatuta dago eta gero editorean izena aldatu ahal izango duzu.
Bai. Moonshine gure kudeatutako ingurunean exekutatzen da — audioa lehenespenez prozesatu eta ezabatu egiten da, eta ez da inoiz entrenamendurako erabiltzen, aldez aurretik aukeratu gabe. Pro planek bezeroaren aldeko enkriptatzea gehitzen dute transkribapen geldituetan.
Erabili compare-stt tresna Moonshine audio beraren beste edozein onartutako modeloren aurka exekutatzeko — WER, segmentu-kopurua, bozgorailuen etiketak eta konfiantza-puntuak aldi berean ikusiko dituzu. Moonshine eta Whisper Large V3 konparaketa da gehien erabiltzen dena.
Bai. Zehaztu "moonshine" modeloaren parametro gisa /v1/transcribe amaierako puntuan. Python eta Node.js SDKek Moonshine adibidea dute. API doako maila 100 minutukoa da hilean.
Bai. Moonshine MIT lizentziaduna denez, zeure burua ostatatu dezakezu. STT.airen kode irekiko orrialdean proiektuaren errepositorioa eta pisuak zerrendatzen dira. Produkzio-talde gehienek gure ostatatutako bertsioa erabiltzen dute GPU-ren erosketak, modeloen trukaketak eta operazioak saltatzeko.