Original en inglés: https://argusic.com/subject/thewhisper
TheWhisper
Modelos Whisper optimizados para transmisión en tiempo real y uso en el dispositivo.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit af7eebaa5315
Python, licencia MIT. El proyecto se describe a sí mismo como: apple silicon, coreml, mlx, nvidia gpu, on device ai, real time, speech recognition y speech to text.
TheWhisper funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 35 minutos y encontró 7 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
In this container the Python package installs and imports, the streaming pipeline and examples/server.py run against a local mock ASR endpoint returning word timestamps, and the Electron client launches on the virtual display and completes a session-create/audio-chunk/process transcription round trip; real CUDA/CoreML model inference and microphone capture were not verifiable here.
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 86,3 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.
- VAD streaming path silently dropped pending audio, and oversized queued chunks grew the buffer without trimming20 minutos
- Electron .env loaded from repo root but README runs from electron_app dir8 minutos
- OSError: PortAudio library not found (system has no libportaudio.so, no root to install)5 minutos
- Electron getUserMedia audio init returned {} in container (no audio device)4 minutos
- ModuleNotFoundError: transformers on import thestage_speechkit3 minutos
- FileStream used librosa correctly but had typo orgi_sr and imported load unnecessarily3 minutos
- Tiempo de instalación
- 35 minutos
- De máquina en frío a terminar
- 34 minutos
- Errores encontrados y corregidos
- 7 encontrados, 5 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python StreamingPipeline remote-backend test printed 7 transcription-bearing results; curl POST localhost:8822/session/create/ returned HTTP 200 and session_id; 40x add_chunk + process returned uncommited_words [{'text':' mock transcription','start':0.0,'end':1.0}]; electron --no-sandbox . on DISPLAY=:99 stayed alive with window 'TheNotes App' and its own api.createSession/sendAudioChunk/process returned the transcription
- Tokens de modelo usados
- 3.825.113
- Commit exacto probado
- af7eebaa5315
- 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.
- Electron audio/mic init unreachable here (no audio device); Apple/`mlx` backend unavailable on Li… **Changes left in the repo** (uncommitted): `pyproject.toml` (add `transformers`), `thestage_speech… tokens used 3,825,113 All required work is done and recorded. Final summary with the required line: **Verified work (all observed in this container, 2026-10-12):** - `pip install .` in a fresh venv built the wheel and installed cleanly after fixes. - `StreamingPipeline` remote backend: 5 s audio in 0.1 s steps → 7 transcription-bearing results wi… - `examples/server.py` (whisper backend vs local mock): `POST /session/create/` → 200, 40 `add_chun… - Electron app on Xvfb: window `TheNotes App` (1440x900) stayed up; session created via its own `ap… - Electron audio/mic init unreachable here (no audio device); Apple/`mlx` backend unavailable on Li… **Changes left in the repo** (uncommitted): `pyproject.toml` (add `transformers`), `thestage_speech…
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
- 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.
- Tardó 35 minutos en instalarse, más lento que la mediana de los 5 proyectos comparables que ha medido Argusic.
- Encontró 7 errores durante la instalación, 2 de ellos sin resolver.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 6 proyectos de apple-silicon que Argusic ha instalado y cronometrado, TheWhisper fue el 5.º más rápido en llegar a funcionar, y 2 de 6 llegaron a funcionar.
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 | 86,29 | 0,80 |
Temas (de GitHub)
apple-siliconcoremlmlxnvidia-gpuon-device-aireal-timespeech-recognitionspeech-to-textstreamingtranscriptiontranslationvoicevoice-ai
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/thewhisper)Preguntas
- ¿Funciona TheWhisper?
- TheWhisper funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 35 minutos, con 7 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic TheWhisper?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit af7eebaa5315. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar TheWhisper?
- La ejecución que produjo este veredicto costó 0,80 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 TheWhisper 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 TheWhisper una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar TheWhisper?
- En la ejecución registrada fallaron 7 cosas, y 5 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara TheWhisper con las alternativas?
- De los 6 proyectos de apple-silicon que Argusic ha instalado y cronometrado, TheWhisper fue el 5.º más rápido en llegar a funcionar, y 2 de 6 llegaron a funcionar.
- ¿Dónde está la evidencia de TheWhisper?
- 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.