Original en inglés: https://argusic.com/subject/botium-speech-processing
botium-speech-processing
Procesamiento de voz de Botium
Funciona con mocksfuente: GitHubsitio webJavaScriptMITcommit 33db7c08d24d
JavaScript, licencia MIT. El proyecto se describe a sí mismo como: botium, speech to text y text to speech.
botium-speech-processing funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 35 minutos y encontró 5 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The Botium Speech Processing frontend server runs on port 56000 serving status, STT, TTS, languages, voices, and Swagger endpoints, with mock backends for MaryTTS and Kaldi substituting for the Docker-dependent default services.
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.
- Default backends (MaryTTS, Kaldi) unreachable without Docker5 minutos
- Node.js v18 installed but engine requires >=202 minutos
- Uncommenting commented-out engines in routes.js introduced missing comma syntax error1 minuto
- sox/soxi not installed — cannot install system packages without root
- pico2wave not installed — svox-pico-tts system package not available without root
- Tiempo de instalación
- 35 minutos
- De máquina en frío a terminar
- 6 minutos
- Errores encontrados y corregidos
- 5 encontrados, 5 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl http://localhost:56000/api/status returned HTTP 200 and '{"status":"OK"}'; curl /api/stt/en POST returned '{"text":"mock transcription result"}'; curl /api/tts/en returned a WAV file; curl /api/sttlanguages returned '["de","en"]'; curl /api/ttslanguages returned '["de","en_US"]'
- Tokens de modelo usados
- 214.389
- Commit exacto probado
- 33db7c08d24d
- 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.
| `sox`/`soxi` not installed (no root) | Cannot fix — audio conversion and length detection unavail…
| `pico2wave` not installed (no root) | Cannot fix — PicoTTS engine will error if selected | — |
**Verification (all passing):**
- `/api/status` → HTTP 200, `{"status":"OK"}`
- `/api/sttlanguages` → `["de","en"]`
- `/api/ttslanguages` → `["de","en_US"]`
- `/api/ttsvoices` → 4 voices from MaryTTS mock
- `/api/tts/en?text=hello` → returned 44-byte WAV file
- `/api/stt/en` (POST WAV) → `{"text":"mock transcription result",...}`
- `/api/convert/wavtomonowav` → exited 0 (sox missing so content is error JSON)
- `/` → HTTP 302 (redirects to Swagger UI)
- `/swagger.json` → HTTP 200Reproducir 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 35 minutos.
- Se recuperó de los 5 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 | 0,05 |
Temas (de GitHub)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/botium-speech-processing)Preguntas
- ¿Funciona botium-speech-processing?
- botium-speech-processing funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 35 minutos, con 5 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic botium-speech-processing?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 33db7c08d24d. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar botium-speech-processing?
- La ejecución que produjo este veredicto costó 0,05 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 botium-speech-processing en instalarse?
- 35 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita botium-speech-processing una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar botium-speech-processing?
- En la ejecución registrada fallaron 5 cosas, y 5 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de botium-speech-processing?
- 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.