Moonshine Base
Free.ai (self-hosted)
·
stt
·
~500 Prometium minute
Moonshine Base is a spraak- tot- teks model gebou deur Useful Sensors. Sterkste by Low-latency live transcription, embedded devices.. Self-geëneer op Free.ai GPUs - hardloop vry teen jou daaglikse vormbad (500 Proformations per minuut). Vrygestel onder MIT - kommersiële gebruik wat op Free.ai toegelaat is.
Gebruik via API
OpenAI- versoenbaar met REST API. Genereer 'n sleutel en noem hierdie model in sekondes.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"moonshine-base","audio_url":"https://..."}'Vrae wat dikwels gevra word
Moonshine Base tran Intifs gepraat klank in teks. Oplaai 'n Mp3, WAV, M4A, of video lêer en Moonshine Base gee terug die volledige transkripsie plus opsionele SRT/VTT sub titles met tyetamps.
Moonshine Base handles dozens of languages - Whisper-family models cover 90+, others vary. Pick "auto-detect" or specify the language for highest accuracy.
Word-error tempo is 5-10% op skoon Engelse oudio, 10-20% op lawaaierige of aksent-oudio. Groot variante van dieselfde argitektuur doen betekenisvol beter op moeilike gevalle - kies groter wanneer die oudio grof is.
Ja - elke deel sluit begin/end timestampe in. Voer uit as SRT of VTT en die kerekaart reguit op jou video.
Moonshine Base runs on our own GPUs against your daily free pool first; $5 → 200,000 paid tokens after that. About ~500 tokens per minute.
MP3, WAV, M4A, FLAC, OG, plus video (MP4, MOV, WebM) - ons onttrek die oudio. Max 500 mb per oplaai. Langer lêers? Skei met /audio/cut/ of gebruik /v1/st/bat/.
Luidspreker diarisering is 'n aparte herhaling ą skakel "diariseer" op /trantint /. Moonshine Base hanteer die transkripsie; diarisering etikette elke deel met Luidder 1 / Speaker 2 / etc.
Ja - /bat/ aanvaar 'n gids van oudio lêers. Elke transkripsie lande in /accote/?tab=historie met die oorspronklike lêernaam. Vir kabinet- boom bewaar gebruik die API.
Ja - POST jou oudio na /v1/stint/ met model= "Moonshine Base". Gee terug JSON met teks + segmente + woord-vlak maaltampe. /api/ het die volledige verwysing.
Self-gegasheerde modelle hou oudio op ons GPUs; premies deur met 'n DPA. Audio word uitgevee na die deel-venster (24h anon, 7d getekende-in). Ons oefen nie op jou invoers nie.
Ja - Free.ai gee kommersiële gebruik van transkripsie. Jy het regte nodig op die oudio wat jy opgelaai het (jou eie opname, gelisensieerde materiaal of inhoud met toestemming).
Real-time factor is roughly 0.05-0.2× - a 60-minute podcast transcribes in 3-12 minutes. Premium models often finish faster. Use the queue button to close the tab.