Original en inglés: https://argusic.com/subject/dia2
dia2
Modelo TTS capaz de transmitir audio conversacional en tiempo real.
Funcionafuente: GitHubPythonApache-2.0commit 8687268f4ed3
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: open weight y text to speech.
dia2 funciona. Un agent de Argusic lo instaló en 0,6 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Dia2-1B model loads and generates valid 24 kHz mono WAV audio on CPU (bfloat16) via both the Python API and CLI, producing non-silent output with correct speaker-tagged transcription and word timestamps.
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.
- 2B model (Dia2-2B, 7.68 GB safetensors) caused OOM kill under 8 GB cgroup memory limit on CPU3 minutos
- resolve_precision defaults to float32 on CPU regardless of dtype preference, exceeding 8 GB cgroup limit with 1B model (~4.3 GB weights + float32 model)2 minutos
- uv not found in PATH (installed via pip, but only accessible from /home/runner/.local/bin)1 minuto
- Tiempo de instalación
- menos de un minuto
- De máquina en frío a terminar
- 12 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- uv sync exited 0 (95 packages). Dia2.from_repo loaded Dia2-1B on CPU bfloat16 and generated test_output.wav; ffmpeg -v error -i test_output.wav -f null - exited 0; soundfile read: 24000 Hz, 36480 samples, max=0.122, min=-0.123 (non-zero audio). CLI-style generation produced test_cli_output.wav (80684 bytes, 1.68s, 24000 Hz, max=0.469). Gradio build_interface() returned a Blocks object without errors.
- Tokens de modelo usados
- 89.975
- Commit exacto probado
- 8687268f4ed3
- 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.
- Timestamps: Hello=0.16s, world.=0.4s
- Samples range: -0.123 to 0.122 (non-zero)
6. CLI-style generation: passed
- Output: test_cli_output.wav (80684 bytes, 1.68s, 24000 Hz)
- Samples range: -0.469 to 0.469
7. ffmpeg WAV validation: passed (exit 0, no errors)
8. Gradio interface building: passed
Limitations:
- CUDA GPU not available in this container
- resolve_precision defaults to float32 on CPU; patched to bfloat16 to fit 8GB cgroup limit
tokens used
89,975Reproducir 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 0,6 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.
- 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.
- Una evaluación rápida: estaba funcionando 0,6 minutos después del clon.
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)
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/dia2)Preguntas
- ¿Funciona dia2?
- Sí. dia2 funciona. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic dia2?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 8687268f4ed3. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar dia2?
- La ejecución que produjo este veredicto costó 0,07 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 dia2 en instalarse?
- 0,6 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita dia2 una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar dia2?
- 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 dia2?
- 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.