Original en inglés: https://argusic.com/subject/aisearch-openai-rag-audio
aisearch-openai-rag-audio
Una implementación de ejemplo simple del patrón VoiceRAG para potenciar experiencias interactivas de voz con IA generativa usando RAG con Azure AI Search y el modelo gpt-4o-realtime-preview de Azure OpenAI.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit 85d0b4e25dc7
Python, licencia MIT. El proyecto se describe a sí mismo como: ai azd templates, azd templates, azure, azure ai search, generative ai, gpt, language model y openai.
aisearch-openai-rag-audio funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 3 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Backend server starts on port 8765, serves built frontend (HTML, JS, CSS, favicon all HTTP 200), WebSocket endpoint /realtime accepts client connections and routes to Azure OpenAI, all Python imports compile, Ruff lint passes, frontend TypeScript builds cleanly via Vite.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- requirements.txt was UTF-16-LE encoded with BOM, causing pip to fail1 minuto
- pyproject.toml ruff target-version set to py39 but code uses Python 3.10+ match statements0,5 minutos
- type(self.text) == str flagged by Ruff E7210,5 minutos
- Tiempo de instalación
- 3 minutos
- De máquina en frío a terminar
- 3 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl http://localhost:8765/ returned 200 with full HTML; JS bundle 200 (399KB); CSS 200 (13.8KB); favicon 200; WebSocket /realtime accepts connections; ruff check passes; frontend tsc+vite build succeeds; .venv/bin/python -c 'import app' succeeds
- Tokens de modelo usados
- 95.828
- Commit exacto probado
- 85d0b4e25dc7
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
2. `pyproject.toml` had `target-version = "py39"` but the code uses Python 3.10+ `match` statements… 3. `type(self.text) == str` flagged by Ruff E721 → changed to `isinstance(self.text, str)` **Verification**: Backend starts on port 8765 serving the complete application. HTTP GET `/` return… tokens used 95,828 Here's a summary of everything I did and found: **Install process**: Set up Python virtual environment, fixed a UTF-16-BOM encoding issue in `requi… **Fixes applied**: 1. `requirements.txt` was UTF-16-LE encoded with BOM → converted to UTF-8 so pip could read it 2. `pyproject.toml` had `target-version = "py39"` but the code uses Python 3.10+ `match` statements… 3. `type(self.text) == str` flagged by Ruff E721 → changed to `isinstance(self.text, str)` **Verification**: Backend starts on port 8765 serving the complete application. HTTP GET `/` return…
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se instaló en 3 minutos.
- Se recuperó de los 3 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,01 |
Temas (de GitHub)
ai-azd-templatesazd-templatesazureazure-ai-searchgenerative-aigptlanguage-modelopenairagretrieval-augmented-generationsearchvector-database
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/aisearch-openai-rag-audio)Preguntas
- ¿Funciona aisearch-openai-rag-audio?
- aisearch-openai-rag-audio funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 3 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic aisearch-openai-rag-audio?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 85d0b4e25dc7. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar aisearch-openai-rag-audio?
- La ejecución que produjo este veredicto costó 0,01 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda aisearch-openai-rag-audio en instalarse?
- 3 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita aisearch-openai-rag-audio una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar aisearch-openai-rag-audio?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de aisearch-openai-rag-audio?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.