Original en inglés: https://argusic.com/subject/whisper-ctranslate2
whisper-ctranslate2
Cliente de línea de comandos Whisper compatible con el cliente original de OpenAI basado en CTranslate2.
Funcionafuente: GitHubPythonMITcommit 7c06913255be
Python, licencia MIT. El proyecto se describe a sí mismo como: openai , openai whisper, speech recognition, speech to text y whisper.
whisper-ctranslate2 funciona. Un agent de Argusic lo instaló en 6 minutos y encontró 3 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Installed in a venv; the CLI answers version 0.5.7, all 17 unit tests pass, and 6 of 7 e2e tests pass including real small/medium-model transcription of the bundled samples matched against reference outputs, with only diarization failing because it needs a real HuggingFace token and pyannote/torch.
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 93,3 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.
- av 19.0.1 removed the metadata_errors kwarg, breaking faster-whisper 1.2.1 audio decode (TypeError open() got unexpected keyword argument 'metadata_errors')3 minutos
- System pip install blocked by PEP 668 externally-managed environment1 minuto
- e2e test_transcribe_diarization failed: HF_TOKEN unset and pyannote.audio/torch not installed for gated pyannote/speaker-diarization-community-1 model1 minuto
- Tiempo de instalación
- 6 minutos
- De máquina en frío a terminar
- 22 minutos
- Errores encontrados y corregidos
- 3 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- whisper-ctranslate2 --version returned 'whisper-ctranslate2 0.5.7'; nose2 -s tests returned 'Ran 17 tests ... OK'; nose2 -s e2e-tests returned 'Ran 7 tests ... FAILED (failures=1)'; whisper-ctranslate2 --model tiny --device cpu --compute_type float32 --output_dir /tmp/out2 --language en e2e-tests/gossos.mp3 exited 0 and wrote 5 output files
- Tokens de modelo usados
- 71.659
- Commit exacto probado
- 7c06913255be
- 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 intento que decidió el veredicto anterior. 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.
final_state: "Installed in a venv; CLI answers 0.5.7, 17 unit tests and 6/7 e2e tests pass includin… install_minutes: I'll put the install-phase minutes. Let me say ~6. Let me write the final line. Must be plain text starting with ARGUSIC_RESULT: followed by JSON on s… Let me put a JSON with proper escaping. install_minutes: the install + dependency fixes took roughly 6 minutes (venv ~5s + pip install ~24s… minutes for errors: PEP668 ~1, av ~3, diarization ~0 (couldn't fix, but it's part of e2e runtime; r… Let me write it.I have completed the mission. Let me compile the final report. **Summary of what I did and observed:** - **Install**: System `pip` is blocked by PEP 668 (externally-managed environment), so I created a … - **Error 1 fixed**: The install pulled `av 19.0.1`, and running a real transcription failed with `… - **Real verification (tier1)**: `whisper-ctranslate2 --model tiny e2e-tests/gossos.mp3` downloaded… - **Tests**: `nose2 -s tests` → `Ran 17 tests ... OK`. `nose2 -s e2e-tests` → `Ran 7 tests ... FAIL…
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 6 minutos.
- 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
- Encontró 3 errores durante la instalación, 1 de ellos sin resolver.
- 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 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)
openai-openai-whisperspeech-recognitionspeech-to-textwhisper
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/whisper-ctranslate2)Preguntas
- ¿Funciona whisper-ctranslate2?
- Sí. whisper-ctranslate2 funciona. Argusic lo instaló y lo inició en una máquina limpia en 6 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic whisper-ctranslate2?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 7c06913255be. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar whisper-ctranslate2?
- 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 whisper-ctranslate2 en instalarse?
- 6 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita whisper-ctranslate2 una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar whisper-ctranslate2?
- En la ejecución registrada fallaron 3 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de whisper-ctranslate2?
- 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.