Englisches Original: https://argusic.com/subject/voicestreamai
VoiceStreamAI
Nahezu-Echtzeit-Transkription von Audio mit selbst gehostetem Whisper und WebSocket in Python/JS
LäuftQuelle: GitHubPythonMITCommit 9248cd1fcf26
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, speech recognition, speech to text und websocket.
VoiceStreamAI läuft. Ein Argusic-Agent hat es in 2 Minuten installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
A fresh venv installs cleanly; the VoiceStreamAI server launches on 127.0.0.1:8765 with the token-free silero VAD plus the real faster-whisper-tiny model and streams a real transcription back over WebSocket ('Good morning, everyone!'), while 2 of 3 unittest tests pass and the pyannote VAD test remains blocked by the gated pyannote/segmentation model.
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, 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.
- faster-whisper's download_model rejects local paths (HFValidationError: Repo id must be in the form 'repo_name' or 'namespace/repo_name'), so a local stand-in ASR model cannot be pointed at directly22 Minuten
- server buffering logic with --vad-type none sent no transcription when the full audio payload was streamed without a trailing silence offset (first three server runs produced 0 replies, logged ConnectionClosed with code 1000 OK)8 Minuten
- test/vad/test_pyannote_vad.py setUp fails: PyannoteVAD() without auth raises 'Missing required env var in PYANNOTE_AUTH_TOKEN'; the pyannote/segmentation model is access-restricted (huggingface.co returned HTTP 401)8 Minuten
- Installationszeit
- 2 Minuten
- Von der kalten Maschine bis zum Ende
- 15 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- single-session run: fresh venv pip install -r requirements.txt -r requirements-dev.txt exited 0; .venv/bin/python -m src.main --host 127.0.0.1 --port 8765 --vad-type silero --asr-args '{"model_size": "tiny"}' answered HTTP 426 on http://127.0.0.1:8765/; websocket client received 'RX: Good morning, everyone! | lang: en'; .venv/bin/python -m unittest discover -s test -p 'test_*.py' with VAD_TYPE=none ASR_TYPE=faster_whisper printed 'Ran 3 tests in 73.709s, FAILED (errors=1)'; ffmpeg -v error -i on both test wavs exited 0
- Verbrauchte Modell-Tokens
- 245.171
- Genau getesteter Commit
- 9248cd1fcf26
- 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
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.
- No repository files were modified — the repo is untouched (`git status` clean aside from the untr…
**Result line (required format)**
tokens used
245,171
Everything is now verified cleanly. Final report:
**Findings**
- Deploy (Python 3.12 venv, `requirements.txt` + `requirements-dev.txt`): clean, both installs exit…
- Live server on `127.0.0.1:8765`: `curl` returned HTTP `426` (expected Upgrade Required for WS), l…
- Test suite (`VAD_TYPE=none ASR_TYPE=faster_whisper`): `Ran 3 tests`, 2 passed, 1 error — `test/va…
- `ffmpeg -v error -i test/audio_files/{eng_speech,eng_voice_commands}.wav -f null -` both exited 0.
- No repository files were modified — the repo is untouched (`git status` clean aside from the untr…
**Result line (required format)**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.
- In 2 Minuten installiert, schneller als der Median der 230 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von allen 3 Fehlern 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
- 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 VoiceStreamAI Platz 39 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 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.
- Für eine schnelle Evaluierung: Es lief 2 Minuten nach dem Klonen.
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)
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/voicestreamai)Fragen
- Läuft VoiceStreamAI?
- Ja. VoiceStreamAI läuft. Argusic hat es auf einer sauberen Maschine in 2 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic VoiceStreamAI getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 9248cd1fcf26. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von VoiceStreamAI gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,08 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 VoiceStreamAI?
- 2 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 VoiceStreamAI eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von VoiceStreamAI schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet VoiceStreamAI im Vergleich zu Alternativen ab?
- Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte VoiceStreamAI Platz 39 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für VoiceStreamAI?
- 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.