Original en inglés: https://argusic.com/subject/dograh
dograh
Plataforma de IA de voz de código abierto. Alternativa self-hosted a Vapi y Retell. En local, BYOK en voz a voz o LLM/STT/TTS, con un constructor visual de flujos de trabajo, nativo de MCP y soporte de telefonía.
Funcionafuente: GitHubsitio webPythonBSD-2-Clausecommit 1e47eb54d22f
Python, licencia BSD-2-Clause. El proyecto se describe a sí mismo como: ai calling, asterisk ari, conversational ai, inbound calls, local llm, no code, on prem voice agent platform y open source.
dograh funciona. Un agent de Argusic lo instaló en 80 minutos y encontró 6 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Backend Python venv installed with all core deps, PostgreSQL 16 running on port 5432, Redis 7.4.1 running on port 6379, Node.js v22 deployed, pipecat submodule installed editable, FastAPI app imports with speechmatics as the only blocking provider, 493/514 collectable tests pass against real 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 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.
- No PostgreSQL or Redis available in container - tests require both8 minutos
- ts_validator requires Node.js >=22.6 but system has v18.19.1; .mts/.ts files need --experimental-strip-types3 minutos
- Many optional pipecat provider SDKs missing (groq, deepgram, google-genai, anthropic, elevenlabs, azure, etc.)3 minutos
- pipecat submodule not checked out - git submodule init required2 minutos
- pgvector extension cannot be created - not compiled; server-dev package unavailable on archives for noble
- speechmatics SDK not available on PyPI, 5 tests fail at import time
- Tiempo de instalación
- 80 minutos
- De máquina en frío a terminar
- 57 minutos
- Errores encontrados y corregidos
- 6 encontrados, 6 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python -m pytest on 29 test files: 493 passed, 5 failed (speechmatics optional), 16 errors (pgvector missing extension) in 164s with real PostgreSQL and Redis
- Tokens de modelo usados
- 1.444.379
- Commit exacto probado
- 1e47eb54d22f
- 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.
succeeded in 0ms: ---Let me check for any .so that might work--- I've achieved strong results. Let me now provide the final report. exec /bin/sh -lc 'export PATH="/tmp/node-v22.11.0-linux-x64/bin:$PATH" && echo "node $(node --version) n… succeeded in 686ms: node v22.11.0 npm 10.9.0 2026-09-29 14:12:13.952 | INFO | pipecat:<module>:54 - ᓚᘏᗢ Pipecat 1.1.1.dev3064 (Python 3.12.3… pipecat 1.1.1.dev3064 fastapi 0.135.3 tokens used 1,444,379
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 80 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.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia BSD-2-Clause, 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)
ai-callingasterisk-ariconversational-aiinbound-callslocal-llmno-codeon-prem-voice-agent-platformopen-sourceopen-source-voice-aioutbound-callspipecatpythonself-hostedspeech-to-speechspeech-to-texttelephonytext-to-speechvapi-alternativevoice-agentsvoice-ai-platform
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/dograh)Preguntas
- ¿Funciona dograh?
- Sí. dograh funciona. Argusic lo instaló y lo inició en una máquina limpia en 80 minutos, con 6 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic dograh?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 1e47eb54d22f. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar dograh?
- La ejecución que produjo este veredicto costó 0,40 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 dograh en instalarse?
- 80 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita dograh una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar dograh?
- 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 dograh?
- 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.