Original en inglés: https://argusic.com/subject/onnx-asr
onnx-asr
Un paquete de Python ligero para el reconocimiento automático del habla usando modelos ONNX
Funcionafuente: GitHubsitio webPythonMITcommit 675f0e68c24d
Python, licencia MIT. El proyecto se describe a sí mismo como: asr, lightweight, onnx, parakeet, python, speech recognition, speech to text y stt.
onnx-asr funciona. Un agent de Argusic lo instaló en 0,5 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
All 249 core tests pass, package imports correctly, CLI displays help with all supported model names, and whisper-tiny model executes real ASR inference via Hugging Face.
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.
- 6 preprocessors tests skipped: missing torch, onnx, kaldi_native_fbank (test-all deps, not core)
- onnxruntime pthread_setaffinity_np warnings in container
- Tiempo de instalación
- menos de un minuto
- De máquina en frío a terminar
- 12 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest tests/onnx_asr/ exited 0, 249 passed (real HF model downloads, real inference); whisper-tiny loaded and recognized silence (empty result, expected); CLI --help prints all model options
- Tokens de modelo usados
- 33.251
- Commit exacto probado
- 675f0e68c24d
- 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.
2026-10-22 11:30:02.864217938 [E:onnxruntime:Default, env.cc:374 ThreadMain] pthread_setaffinity_np… 2026-10-22 11:30:02.867217876 [E:onnxruntime:Default, env.cc:374 ThreadMain] pthread_setaffinity_np… 2026-10-22 11:30:02.870209515 [E:onnxruntime:Default, env.cc:374 ThreadMain] pthread_setaffinity_np… 2026-10-22 11:30:02.873211004 [E:onnxruntime:Default, env.cc:374 ThreadMain] pthread_setaffinity_np… 2026-10-22 11:30:02.876208543 [E:onnxruntime:Default, env.cc:374 ThreadMain] pthread_setaffinity_np… Result: Good - the whisper-tiny model loaded from Hugging Face and ran inference on silence, returning an e… Here's the final summary: tokens used 33,251 Good - the whisper-tiny model loaded from Hugging Face and ran inference on silence, returning an e… Here's the final summary:
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 0,5 minutos, más rápido que la mediana de los 9 proyectos comparables que ha medido Argusic.
- Se recuperó de los 2 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 MIT, 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.
De los 10 proyectos de asr que Argusic ha instalado y cronometrado, onnx-asr fue el 1.º más rápido en llegar a funcionar, y 7 de 10 llegaron a funcionar.
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 0,5 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)
asrlightweightonnxparakeetpythonspeech-recognitionspeech-to-textsttwhisper
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/onnx-asr)Preguntas
- ¿Funciona onnx-asr?
- Sí. onnx-asr funciona. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic onnx-asr?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 675f0e68c24d. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar onnx-asr?
- 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 onnx-asr en instalarse?
- 0,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita onnx-asr una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar onnx-asr?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara onnx-asr con las alternativas?
- De los 10 proyectos de asr que Argusic ha instalado y cronometrado, onnx-asr fue el 1.º más rápido en llegar a funcionar, y 7 de 10 llegaron a funcionar.
- ¿Dónde está la evidencia de onnx-asr?
- 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.