Original en inglés: https://argusic.com/subject/amphion
Amphion
Amphion (/æmˈfaɪən/) es un kit de herramientas para la generación de audio, música y voz. Su propósito es apoyar la investigación reproducible y ayudar a investigadores e ingenieros junior a iniciarse en el campo de la investigación y el desarrollo de la generación de audio, música y voz.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit 26f688311018
Python, licencia MIT. El proyecto se describe a sí mismo como: audio generation, audio synthesis, audioldm, audit, emilia, fastspeech2, maskgct y music generation.
Amphion funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 18 minutos y encontró 6 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Core dependencies installed, evaluation metrics compute correctly on audio pairs, model classes import cleanly. pyworld-dependent f0 metrics unavailable without python3-dev headers. Cython monotonic_align extension uncompiled for same reason.
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.
- pyworld, pysptk, pesq, webrtcvad failed to build from source: missing python3-dev (Python.h header). No root access to install it.4 minutos
- Multiple missing __init__.py files in modules/ subdirectories (modules/base, modules/diffusion/bidilconv, modules/diffusion/karras, modules/diffusion/unet, modules/flow, modules/naturalpseech2, modules/wenet_extractor/*)1 minuto
- fairseq missing version.txt - failed pip install from git1 minuto
- librosa 0.9.1 requires pkg_resources from setuptools; newer setuptools broke it1 minuto
- lhotse not installed (required by modules/general)1 minuto
- transformers 5.x missing soxr dependency for Wav2Vec21 minuto
- Tiempo de instalación
- 18 minutos
- De máquina en frío a terminar
- 25 minutos
- Errores encontrados y corregidos
- 6 encontrados, 6 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python -c computed evaluation metrics (MSTFT=0.136, SI-SDR=19.97, SI-SNR=19.97, V/UV F1=0.0) on synthetic audio pairs using extract_mstft, extract_si_sdr, extract_si_snr. Core model imports (FastSpeech2, HiFiGAN, MelGAN, BigVGAN) and module imports (encoder, transformer, norms, general, vocoder_blocks) all succeed. Python module imports exercised without errors.
- Tokens de modelo usados
- 535.343
- Commit exacto probado
- 26f688311018
- 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.
/work/repo/evaluation/metrics/f0/v_uv_f1.py:98: UserWarning: Creating a tensor from a list of numpy…
ref_voiced = torch.Tensor([f0_ref != 0]).bool()
{
"mstft": 0.13607480935752392,
"si_sdr": 19.970428466796875,
"si_snr": 19.970428466796875,
"v_uv_f1": 0.0
}
Now I have a comprehensive picture. Here's the full report:
tokens used
535,343
Now I have a comprehensive picture. Here's the full report: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 18 minutos.
- Se recuperó de los 6 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 | 0,14 |
Temas (de GitHub)
audio-generationaudio-synthesisaudioldmauditemiliafastspeech2maskgctmusic-generationnaturalspeech2singing-voice-conversionspeech-synthesistext-to-audiotext-to-speechvall-evitsvocodervoice-conversion
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/amphion)Preguntas
- ¿Funciona Amphion?
- Amphion funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 18 minutos, con 6 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic Amphion?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 26f688311018. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar Amphion?
- La ejecución que produjo este veredicto costó 0,14 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 Amphion en instalarse?
- 18 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita Amphion una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar Amphion?
- En la ejecución registrada fallaron 6 cosas, y 6 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de Amphion?
- 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.