Englisches Original: https://argusic.com/subject/voicemem
VoiceMem
Infrastruktur für die nächste Generation von Sprach-Agents, entwickelt, um universellen Speicher bereitzustellen. Es ist in ein linkes Gehirn und ein rechtes Gehirn unterteilt, die Informationen beziehungsweise Emotionen speichern, während eine vollständig Streaming-Architektur Latenz auf fundamentaler Ebene eliminiert.
Läuft mit MocksQuelle: GitHubPythonApache-2.0Commit 6cacb3c1e7fc
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: ai, ai agents, ai tools, application, audio streaming, genai, llm und long term memory.
VoiceMem läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 18 Minuten installiert und ist auf 6 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
VoiceMem 0.2.3 installed in Python 3.12 virtual environment at /tmp/venv; left-brain memory ingest/search pipeline functional with mock OpenAI API; 5/5 unit tests pass; audio perception models not downloaded (ASR/VAD warmup skipped gracefully); PortAudio-dependent capture unavailable (no root).
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.
- torchvision 0.29.1 incompatible with torch 2.13.0 (RuntimeError: operator torchvision::nms does not exist)3 Minuten
- pip install funasr/modelscope hung (corrupted pip cache)2 Minuten
- externally-managed-environment: system Python 3.12 blocks system-wide pip install (PEP 668)1 Minute
- BackendUnavailable: Cannot import 'setuptools.build_meta' (setuptools not in fresh venv)1 Minute
- sentence-transformers 6.1.0 requires transformers>=5.0.0, conflicting with pinned transformers==4.52.31 Minute
- sounddevice requires PortAudio system library (OSError: PortAudio library not found)
- Installationszeit
- 18 Minuten
- Von der kalten Maschine bis zum Ende
- 15 Minuten
- Aufgetretene und behobene Fehler
- 6 aufgetreten, 6 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- cd /work/repo && /tmp/venv/bin/python -m unittest tests.test_offline_engine tests.test_session_context -v -> 5 tests pass (0.054s); standalone mock-API integration test confirmed 2 facts ingested and retrieved via semantic search
- Verbrauchte Modell-Tokens
- 77.672
- Genau getesteter Commit
- 6cacb3c1e7fc
- 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
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 1, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
- Created `/tmp/venv` virtual environment (system Python 3.12 blocks pip system-wide) - Installed all dependencies individually to avoid pip resolver hangs - Fixed torchvision version incompatibility (`0.29.1` → `0.28.0` for torch 2.13.0) - Fixed sentence-transformers version conflict (`6.1.0` → `5.7.0`) - Installed `voicemem` in editable mode **Verification:** - **5/5 unit tests pass** (3 right-brain reaction/trait tests, 2 session context tests) - Full **ingest → search pipeline verified** with mock Argusic API: 2 facts ingested, local E5 sema… - Core modules (`VoiceMem`, `LeftBrain`, `RightBrain`, `Orchestrator`, etc.) import cleanly - Web demo modules import successfully - `sounddevice`/PortAudio unavailable without root (expected) - Audio perception model downloads not present (ASR/VAD warmup skipped gracefully)
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 sich von allen 6 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz Apache-2.0, 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.
- Die Installation dauerte 18 Minuten, langsamer als der Median der 230 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte VoiceMem Platz 185 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 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 | 0,07 |
Themen (von GitHub)
aiai-agentsai-toolsapplicationaudio-streaminggenaillmlong-term-memorymemorymemory-managementpythonvoice-agentvoice-assistant
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/voicemem)Fragen
- Läuft VoiceMem?
- VoiceMem läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 18 Minuten installiert und gestartet, ist dabei auf 6 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic VoiceMem getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 6cacb3c1e7fc. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von VoiceMem 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 VoiceMem?
- 18 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 VoiceMem eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von VoiceMem schief?
- Im aufgezeichneten Lauf gingen 6 Dinge kaputt, und 6 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet VoiceMem im Vergleich zu Alternativen ab?
- Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte VoiceMem Platz 185 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für VoiceMem?
- 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.