Englisches Original: https://argusic.com/subject/mlx-audio
mlx-audio
Eine Bibliothek für Text-to-Speech (TTS), Speech-to-Text (STT) und Speech-to-Speech (STS), die auf Apples MLX-Framework basiert und effiziente Sprachanalyse auf Apple Silicon bietet.
Läuft mit MocksQuelle: GitHubHomepagePythonMITCommit 4ab7e6f7dedd
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: apple silicon, audio processing, mlx, multimodal, speech recognition, speech synthesis, speech to text und text to speech.
mlx-audio läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 7,5 Minuten installiert und ist auf 4 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
mlx-audio v0.5.6 installed in a Python venv with mlx[cpu] backend, 354 of 376 tests pass (22 skipped due to missing torch/diffusers for parity), FastAPI server starts and responds 200 on /v1/models, all five CLI tools print help.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- mlx.core imported libmlx.so but libmlx.so was not bundled with the base pip install on Linux (Apple Silicon-only by default)1,5 Minuten
- sounddevice requires PortAudio runtime library (libportaudio2 not available)1,5 Minuten
- pip install failed due to externally-managed-environment (PEP 668)1 Minute
- webrtcvad failed to build from source (needs Python.h / python3-dev, not available)1 Minute
- Installationszeit
- 8 Minuten
- Von der kalten Maschine bis zum Ende
- 8 Minuten
- Aufgetretene und behobene Fehler
- 4 aufgetreten, 4 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest ran 354 passed, 22 skipped across tests/; mlx_audio.server started on port 8777 and returned HTTP 200 on GET /v1/models and /docs; all CLI entry points (stt.generate, tts.generate, music.generate, sts.generate, convert) printed --help successfully
- Verbrauchte Modell-Tokens
- 91.174
- Genau getesteter Commit
- 4ab7e6f7dedd
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
tests/vendor_parity/test_parity_support.py::test_quantized_switch_linear_matches_upstream PASSED [1… ======================== 293 passed, 4 skipped in 4.70s ======================== succeeded in 6141ms: tests/sts/test_nemotron_voicechat.py::test_streaming_session_buffers_partial_frames_and_cancels PAS… tests/sts/test_nemotron_voicechat.py::test_sanitize_convolution_layouts PASSED [ 98%] tests/sts/test_nemotron_voicechat.py::test_quantize_only_supported_linear_weights PASSED [100%] ======================== 46 passed, 18 skipped in 5.17s ======================== All tests now pass. Let me compile the final report. 2026-09-28T04:52:57.739476Z ERROR codex_core::session: failed to record rollout items: thread 01a0e… tokens used 91,174 All tests now pass. Let me compile the final report.
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- In 7,5 Minuten installiert, schneller als der Median der 5 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von allen 4 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 6 Projekten im Bereich apple-silicon, die Argusic installiert und zeitlich gemessen hat, belegte mlx-audio Platz 2 bei der Zeit bis zum lauffähigen Zustand, und 2 von 6 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,06 |
Themen (von GitHub)
apple-siliconaudio-processingmlxmultimodalspeech-recognitionspeech-synthesisspeech-to-texttext-to-speechtransformers
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/mlx-audio)Fragen
- Läuft mlx-audio?
- mlx-audio läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 8 Minuten installiert und gestartet, ist dabei auf 4 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic mlx-audio getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 4ab7e6f7dedd. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von mlx-audio gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,06 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von mlx-audio?
- 7,5 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht mlx-audio eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von mlx-audio schief?
- Im aufgezeichneten Lauf gingen 4 Dinge kaputt, und 4 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet mlx-audio im Vergleich zu Alternativen ab?
- Von den 6 Projekten im Bereich apple-silicon, die Argusic installiert und zeitlich gemessen hat, belegte mlx-audio Platz 2 bei der Zeit bis zum lauffähigen Zustand, und 2 von 6 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für mlx-audio?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.