Original en inglés: https://argusic.com/subject/vibevoice
VibeVoice
IA de voz de frontera de código abierto
Funcionafuente: GitHubsitio webPythonMITcommit 16fb2cb1217c
Python, licencia MIT.
VibeVoice funciona. Un agent de Argusic lo instaló en 2 minutos y encontró 5 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The editable install succeeds, all 86 repository tests pass, the realtime TTS demo launches and serves HTTP 200/101, and real model inference produced a decoded non-silent audio file; real ASR inference could not load within the 8 GB memory limit.
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 94 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.
- Bundled voice presets failed safe torch.load because BaseModelOutputWithPast and the legacy DynamicCache layout were incompatible with PyTorch 2.6+/Transformers 4.57.9 minutos
- Real 7B ASR checkpoint load was OOM-killed in float32 and BFloat16 because the container cgroup is limited to 8 GB and the checkpoint is 15.5 GB.6 minutos
- Real ASR checkpoint tokenizer rejected its list-valued extra_special_tokens under Transformers 4.57.3 minutos
- `python` and the `time` shell utility were absent; creating a virtualenv at /work/venv failed with permission denied.1 minuto
- ASR CLI --help crashed because torch.backends.xpu did not exist in the installed PyTorch.1 minuto
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 27 minutos
- Errores encontrados y corregidos
- 5 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- `/tmp/vvvenv/bin/python -m pytest -q tests` exited 0 with `86 passed`; `ffmpeg -v error -i /tmp/vvout3/short_generated.wav -f null -` exited 0 after `realtime_model_inference_from_file.py` exited 0 and saved 1.733333 seconds of audio; `curl` to localhost:3000 returned 200 for `/` and `/config`, and 101 for `/stream`.
- Tokens de modelo usados
- 529.780
- Commit exacto probado
- 16fb2cb1217c
- 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
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el . El veredicto anterior procede de otro intento, así que tómalo como una sesión y no como el resultado actual. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
.../modeling_vibevoice_streaming_inference.py | 42 ++++++++++++++++++++++ .../modular/modular_vibevoice_text_tokenizer.py | 10 ++++++ 5 files changed, 61 insertions(+), 14 deletions(-) M demo/realtime_model_inference_from_file.py M demo/vibevoice_asr_inference_from_file.py M demo/web/app.py M vibevoice/modular/modeling_vibevoice_streaming_inference.py M vibevoice/modular/modular_vibevoice_text_tokenizer.py The repository now installs, its tests pass, and the documented realtime TTS path generates audio t… tokens used 529,780 The repository now installs, its tests pass, and the documented realtime TTS path generates audio t…
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 2 minutos, más rápido que la mediana de los 46 proyectos comparables que ha medido Argusic.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Encontró 5 errores durante la instalación, 1 de ellos sin resolver.
De los 47 proyectos de Python que Argusic ha instalado y cronometrado, VibeVoice fue el 18.º más rápido en llegar a funcionar, y 28 de 47 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 2 minutos después del clon.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona | 96,00 | 0,43 | |
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,19 |
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/vibevoice)Preguntas
- ¿Funciona VibeVoice?
- Sí. VibeVoice funciona. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 5 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic VibeVoice?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 16fb2cb1217c. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar VibeVoice?
- La ejecución que produjo este veredicto costó 0,43 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 VibeVoice en instalarse?
- 2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita VibeVoice una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar VibeVoice?
- En la ejecución registrada fallaron 5 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara VibeVoice con las alternativas?
- De los 47 proyectos de Python que Argusic ha instalado y cronometrado, VibeVoice fue el 18.º más rápido en llegar a funcionar, y 28 de 47 llegaron a funcionar.
- ¿Dónde está la evidencia de VibeVoice?
- Las 2 ejecuciones registradas están 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.