Englisches Original: https://argusic.com/subject/speech-cpp
speech.cpp
Speech synthesis, speech recognition and voice activity detection for voice conversation, in C++ on ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet and Silero VAD on Metal, Vulkan and the CPU, with an OpenAI-compatible server and live transcription.
LäuftQuelle: GitHubC++MITCommit 03555100287c
C++, Lizenz MIT. Das Projekt beschreibt sich selbst als: asr, cpp, ggml, gguf, irodori tts, metal, parakeet und qwen3 asr.
speech.cpp läuft. Ein Argusic-Agent hat es in 12 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The speech.cpp 0.10.1 build from source produces a working speech executable and libspeech.so.4 C API shared library on Linux x86_64 CPU. The binary enumerates devices, lists all models in the catalog with their tasks/languages/sizes, downloads models from Hugging Face on demand (verified with silero-vad), runs Silero VAD inference on a WAV file, and validates all subcommand arguments correctly.
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 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt. 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.
- Parallel build with -j ran out of memory (OOM killed cc1plus processes) on some compilation units1 Minute
- Installationszeit
- 12 Minuten
- Von der kalten Maschine bis zum Ende
- 7 Minuten
- Aufgetretene und behobene Fehler
- 1 aufgetreten, 1 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- cd /work/repo && cmake -B build && cmake --build build -j2 --target all && LD_LIBRARY_PATH=build ./build/speech --version returned 'speech.cpp 0.10.1, C API 4.1'; LD_LIBRARY_PATH=build ./build/speech devices returned CPU device; LD_LIBRARY_PATH=build ./build/speech vad silero-vad /tmp/test_speech.wav returned 0 regions, RTFx 329
- Verbrauchte Modell-Tokens
- 154.157
- Genau getesteter Commit
- 03555100287c
- 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
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
Impressive! The VAD model detects no speech in the sine wave (correct — it's just a tone, not human… Now let me do a final summary. Let's check if `speech update` works: exec /bin/sh -lc 'cd /work/repo && export LD_LIBRARY_PATH=build && ./build/speech update --check 2>&1' i… succeeded in 842ms: speech.cpp 0.10.1 is the latest release The `update` command reaches GitHub and confirms this is the latest release. Let me now format the final ARGUSIC_RESULT. The build succeeded on the first try with the OOM issue… tokens used 154,157 The `update` command reaches GitHub and confirms this is the latest release. Let me now format the final ARGUSIC_RESULT. The build succeeded on the first try with the OOM issue…
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
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- Hat sich von dem einen Fehler erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 12 Minuten, langsamer als der Median der 10 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 11 Projekten im Bereich asr, die Argusic installiert und zeitlich gemessen hat, belegte speech.cpp Platz 8 bei der Zeit bis zum lauffähigen Zustand, und 8 von 11 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
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
Themen (von GitHub)
asrcppggmlggufirodori-ttsmetalparakeetqwen3-asrqwen3-ttsreazonspeechsilero-vadspeech-recognitionspeech-synthesistext-to-speechttsvoice-activity-detectionvulkan
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/speech-cpp)Fragen
- Läuft speech.cpp?
- Ja. speech.cpp läuft. Argusic hat es auf einer sauberen Maschine in 12 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic speech.cpp getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 03555100287c. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von speech.cpp gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,07 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 speech.cpp?
- 12 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 speech.cpp eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von speech.cpp schief?
- Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet speech.cpp im Vergleich zu Alternativen ab?
- Von den 11 Projekten im Bereich asr, die Argusic installiert und zeitlich gemessen hat, belegte speech.cpp Platz 8 bei der Zeit bis zum lauffähigen Zustand, und 8 von 11 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für speech.cpp?
- 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.