Moonshine Base
Free.ai (self-hosted)
·
stt
·
~500 ٹوکنس پر minute
Moonshine Base a لفظ سے متن ماڈل Useful Sensors سے بنائی گئی ہے. Low-latency live transcription, embedded devices. پر سب سے زیادہ مضبوط. Free.ai GPUs پر خود مہمان — آپ کے روزانہ ٹوکن پول کے خلاف مفت چلتا ہے (500 ٹوکن منٹ). MIT کے تحت آزاد کیا گیا — تجارتی استعمال Free.ai پر اجازت دی گئی.
API کے ذریعے استعمال کریں
اوپن اے آئی-مطابق REST API. ایک کلید پیدا کریں اور اس ماڈل کو سیکنڈز میں بلايں
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://..."}'بار بار پوچھے گئے سوالات
Moonshine Base بولے ہوئے اوڈیو کو متن میں تبدیل کرتا ہے. MP3, WAV, M4A, یا ویڈیو فائل اپ لوڈ کریں اور Moonshine Base مکمل نقل کو واپس لاتا ہے اور اختیاری SRT/VTT ذیلی عنوانات کو ٹائم سٹیمپ کے ساتھ.
Moonshine Base دزينہ زبانوں کو ہینڈل کرتا هے - Whisper- فاميلي ماڈل 90+ کو ڈھانپتا هے، Parakeet ~25 کو ڈھانپتا هے، دوسروں میں فرق ہوتا هے. "خودکار دقت" کو منتخب کريں يا سب سے زائد دقت کے ليے زبان کو خاص کريں
لفظ غلطي کا ريٹ صاف انگريزي او ديو پر 5-10% ، شوردار يا افراط آ ديو پر 10-20% هے ۔ يک ئي فن تعمير کے بڑے تقسيمات سخت حالات پر قابليت پسندي سے بہتر کام کر تے هيں ۔
ہاں - ہر سیکشن میں شروع/آخر کے ٹائم سٹیمپ شامل ہیں. SRT یا VTT کے طور پر برآمد کریں اور وقت براہ راست آپ کی ویڈیو پر میپ کریں.
Moonshine Base آپ کے روزانہ مفت پول کے خلاف پہلے ہمارے اپنے GPUs پر چلتا ہے؛ $5 → اس کے بعد 200,000 ادا کئے گئے ٹوکنز. تقریباً ~500 ٹوکنز پر منٹ.
MP3, WAV, M4A, FLAC, OGG, اور ویڈیو (MP4, MOV, WebM) — ہم آڈیو کو نکالیں. ہر اپ لوڈ کے لیے 500 MB زیادہ. لمبی فائلیں؟ /audio/cut/ کے ساتھ تقسیم کریں یا /v1/stt/batch/ استعمال کریں.
اسپیکر ڈائريزيشن ایک الگ پاس ہے - /transcribe/ پر "diarize" کو ٹگل کریں. Moonshine Base نقل کو ہینڈل کرتا ہے؛ ڈائريزيشن ہر سگمنٹ کو اسپیکر 1 / اسپیکر 2 / اور اور کے ساتھ لیبل کرتا ہے
ہاں - /بچ/ آڈیو فائلیں کا فولڈر قبول کرتا ہے. ہر نقل /اکااؤنٹ/؟تبہ=تاريخ میں اصلی فائلنم کے ساتھ اترتا ہے. فولڈر-ترے کی حفاظت کے لیے API استعمال کریں.
ہاں - آپ کی آڈیو کو /v1/stt/transcribe/ میں POST کریں موڈل="Moonshine Base" کے ساتھ. JSON کو متن + سگمنٹ + ورڈ-لیول ٹائمسٹمپس کے ساتھ واپس کرتا ہے. /api/ میں مکمل حوالہ ہے.
خود مہمان ماڈل ہمارے GPUs پر آڈیو رکھتے ہیں؛ پرائم DPA کے ساتھ گزرتے ہیں۔ آڈیو شیئر-وینڈو کے بعد حذف کی جاتی ہے (24h anon، 7d sign-in)۔ ہم آپ کی انپٹ پر تربیت نہیں کرتے۔
ہاں - Free.ai نقل کے تجارتی استعمال کو اجازت دیتا ہے آپ کو آپ نے اپ لوڈ کی ہوئی آڈیو کے حقوق کی ضرورت ہے (اپنا خود ریکارڈنگ، لائسنس شدہ مواد، یا رضامندی کے ساتھ مواد).
ریئل-ٹائم فیکٹر تقریباً 0.05–0.2× ہے — ایک 60 منٹ پوڈکاسٹ 3–12 منٹ میں نقل کرتا ہے۔ پرائم ماڈل اکثر تیزی سے ختم ہوتا ہے۔ ٹیب بند کرنے کے لئے قطار بٹن استعمال کریں۔