Moonshine

STT.ai ora ngoperasikaké model iki - kaca iki minangka referensi informasi babagan iki. Transkrip karo model kang kita lakoni →
7.8%
WER
1
Basa
80.0x
Kecepatan
MIT
Lisénsi

Ngendi Moonshine

Moonshine iku model swara-ka-teks sing kompak banget sing dirancang kanggo lingkungan sumber daya-dilarang. Ing mung 61M parameter, iku mlaku kanthi efisien ing piranti pinggir kaya Raspberry Pi nalika njaga akurasi transkripsi basa Inggris sing cukup.

Basa sing didhukung déning Moonshine

Pitakon kang asring diajukake

Moonshine ya iku modél swara-ka-teks déning Useful Sensors. STT.ai saiki ora ngoperasikaké Moonshine — kaca iki minangka informasi referensi bab modél. Kanggo transkripsi ing STT.ai, pemilih modél nawakake kulawarga Whisper (Turbo, Large V3, Medium, Small).

Ing standar benchmarks, Moonshine ngrampungake sekitar 7.8% Word Error Rate. Real-world akurasi gumantung ing kualitas audio, accent, lan basa; kanggo noisey utawa accented rekaman, ngarepake sawetara persentase poin luwih dhuwur WER.

Moonshine ora ana ing STT.ai. Lisensiné dhewe-dhewe ngontrol cara ngoperasikaké. Titik gratis STT.ai nglindhungi model Whisper sing kita lakoni - 600 menit kanggo miwiti, banjur tambahan gratis saben wulan.

Moonshine dirilis ing ngisor MIT, lisensi sumber terbuka sing permisif. Sampeyan bisa nginstal Moonshine ing piranti keras dhewe utawa nggunakake versi sing dihost - loro-loroné bisa digunakake kanthi komersial.

Moonshine nyokong 1 basa. Auto-deteksi milih basa kang bener kanggo akèh audio; sampeyan uga bisa nyetel kanthi manual kanggo nambah akurasi.

Moonshine ngproses audio ing kira-kira 80.0x real-time ing GPU kita. Fail audio 1 jam rampung ing ngisor 1 menit; file luwih dawa ing gulungan lan dilaporake liwat email nalika rampung.

Moonshine duwé parameter 61M. Model kang luwih gedhé luwih akurat nanging luwih lambat; STT.ai duwé host Moonshine ing GPU supaya penghitungan parameter ora ngrusak kinerja klien.

Moonshine nampa saben format STT.ai nyokong - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, lan liyane. Output minangka TXT, SRT, VTT, DOCX, JSON, utawa PDF.

Moonshine diarization speakers dijalanaken kaliyan saben transkripsi - saben speaker dipunlabel lan sampeyan saged mènèhi jeneng anyar ing editor.

Ya. Moonshine dijalanaké ing lingkungan sing diurus — audio diproses lan dipasak kanthi pigura lan ora pernah digunakake kanggo latihan tanpa opt-in eksplisit. Rencana Pro nambah enkripsi klien-sisi kanggo transkripsi nalika ora aktif.

Gunakaké alat compare-stt kanggo nglakokaké Moonshine karo modél liya kang didhukung ing audio kang padha — sampeyan bakal ndeleng WER, penghitung segmen, label speaker, lan skor confidence side-by-side. Perbandingan Moonshine vs Whisper Large V3 iku sing paling umum dilakokaké.

Ya. Nyathet "moonshine" minangka parameter model ing /v1/transcribe endpoint. Python lan Node.js SDKs ngemot conto Moonshine. Lapisan API gratis ngemot 100 menit/wulan.

Ya. Amargi Moonshine dipunlisensi MIT, sampeyan saged nghostaken piyambakipun. Lampiran sumber-bukah STT.ai nyathet repo proyèk lan bobot. Kathah tim produksi ingkang ngginakaken versi ingkang dipunhostaken kanggé nglewati GPU procurement, model swaps, lan ops.
Made by @nadermx