Original en inglés: https://argusic.com/subject/audar-asr-v1
Audar-ASR-V1
Reconocimiento de voz generativo con enfoque en árabe, Audar-ASR-V1 (Flash + Turbo). #1 en el Open Universal Arabic ASR Leaderboard. Model cards, benchmarks & inference.
Funcionafuente: GitHubsitio webPythonApache-2.0commit 9751231eb7c5
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: arabic, arabic nlp, asr, audar, dialectal arabic, gguf, huggingface y llama cpp.
Audar-ASR-V1 funciona. Un agent de Argusic lo instaló en 26,2 minutos y encontró 7 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Audar-ASR-V1-Flash model loads and transcribes on CPU. All three reference API functions (transcribe, transcribe_long, stream_transcribe) work correctly.
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 100 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.
- transformers 5.20.x changed validate_token_ids ordering - Qwen3ASRConfig.thinker_config not set before super().__init__()5 minutos
- ROPE_INIT_FUNCTIONS no longer has "default" rope_type key in transformers 5.x5 minutos
- create_causal_mask() got unexpected keyword argument in transformers 5.19.x3 minutos
- @check_model_inputs() decorator signature changed in transformers 5.x2 minutos
- Qwen3ASRThinkerConfig missing pad_token_id/eos_token_id attributes2 minutos
- cache_position is None in prepare_inputs_for_generation during generation loop2 minutos
- Tiempo de instalación
- 26 minutos
- De máquina en frío a terminar
- 27 minutos
- Errores encontrados y corregidos
- 7 encontrados, 7 corregidos sin ayuda humana
- Cómo se demostró el resultado
- /work/repo/venv/bin/python3 ran transcribe(), transcribe_long(), and stream_transcribe() with synthetic 440Hz 16kHz audio - model loaded real HF weights and returned [موسيقى] (Arabic for [Music]) on all three APIs
- Tokens de modelo usados
- 289.689
- Commit exacto probado
- 9751231eb7c5
- 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
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
But wait, I need to re-read the requirements. The instructions say: - `test_depth`: "tier1_real" if you verified real behavior end to end, "tier2_mock" if verification… So since I used real model weights from HF (not a mock), it's "tier1_real". The test input is a syn… Let me output the final result. tokens used 289,689 Now I'll fix the `test_depth` field — since I loaded actual Hugging Face model weights (the 0.78B F… Now let me output the final result line. But wait, I need to re-read the requirements. The instructions say: - `test_depth`: "tier1_real" if you verified real behavior end to end, "tier2_mock" if verification… So since I used real model weights from HF (not a mock), it's "tier1_real". The test input is a syn… Let me output the final result.
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
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 26,2 minutos.
- Se recuperó de los 7 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
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
Temas (de GitHub)
arabicarabic-nlpasraudardialectal-arabicggufhuggingfacellama-cppspeech-recognitionspeech-to-text
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/audar-asr-v1)Preguntas
- ¿Funciona Audar-ASR-V1?
- Sí. Audar-ASR-V1 funciona. Argusic lo instaló y lo inició en una máquina limpia en 26 minutos, con 7 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic Audar-ASR-V1?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 9751231eb7c5. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar Audar-ASR-V1?
- La ejecución que produjo este veredicto costó 0,41 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 Audar-ASR-V1 en instalarse?
- 26,2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita Audar-ASR-V1 una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar Audar-ASR-V1?
- En la ejecución registrada fallaron 7 cosas, y 7 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de Audar-ASR-V1?
- 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.