Original en inglés: https://argusic.com/subject/xcodec
xcodec
AAAI 2025: Codec Does Matter: Explorando la Deficiencia Semántica del Codec para el Modelo de Lenguaje de Audio
Funcionafuente: GitHubPythonMITcommit 4a737f2ee2cd
Python, licencia MIT. El proyecto se describe a sí mismo como: audio, audio codec, codec, gpt, language model, music, self supervised learning y semantic.
xcodec funciona. Un agent de Argusic lo instaló en 5 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
X-Codec model builds, imports, runs encode/decode on real audio across all bandwidths, and produces valid WAV output
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.
- torchcodec requires CUDA shared lib not present on CPU torch2 minutos
- scipy.signal.kaiser moved to scipy.signal.windows in scipy>=1.121 minuto
- scipy==1.10.1 not available for Python 3.12
- Tiempo de instalación
- 5 minutos
- De máquina en frío a terminar
- 8 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python3 encode/decode round trip: model.encode(wav, target_bw=0.5/1.0/2.0/4.0) produced codes, model.decode(codes) produced valid 16kHz mono WAV verified by ffprobe and ffmpeg -v error -f null - across all bandwidths
- Tokens de modelo usados
- 215.331
- Commit exacto probado
- 4a737f2ee2cd
- 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.
Here's the complete report: **Install**: Set up a Python venv, installed PyTorch CPU, torchaudio, soundfile, transformers (for … **Errors encountered**: 1. **`scipy==1.10.1` not available for Python 3.12** — Fixed by removing the version pin in `requir… 2. **`from scipy.signal import kaiser` moved** — Fixed by changing to `from scipy.signal.windows im… 3. **`torchcodec` requires CUDA shared lib** — Installed torchcodec but it depends on libcuda.so wh… **Verification**: - The project builds and imports correctly. - The X-Codec model (`SoundStream` with semantic teacher) initializes, loads the Hubert model from … - The non-semantic `SoundStream` (base DAC variant) also works. - The pre-existing `test_audio_reconstruction/speech_en_nq_1.wav` is a valid WAV file (PCM s16le, 1… - The bundled descript-audio-codec tests fail only due to CUDA requirement; the DAC model works on …
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 5 minutos, más rápido que la mediana de los 17 proyectos comparables que ha medido Argusic.
- Se recuperó de los 3 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 18 proyectos de audio que Argusic ha instalado y cronometrado, xcodec fue el 6.º más rápido en llegar a funcionar, y 15 de 18 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 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)
audioaudio-codeccodecgptlanguage-modelmusicself-supervised-learningsemanticsoundspeechspeech-language-modeltext-to-musictext-to-soundtext-to-speechtokenizervall-e
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/xcodec)Preguntas
- ¿Funciona xcodec?
- Sí. xcodec funciona. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic xcodec?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 4a737f2ee2cd. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar xcodec?
- La ejecución que produjo este veredicto costó 0,03 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 xcodec en instalarse?
- 5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita xcodec una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar xcodec?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara xcodec con las alternativas?
- De los 18 proyectos de audio que Argusic ha instalado y cronometrado, xcodec fue el 6.º más rápido en llegar a funcionar, y 15 de 18 llegaron a funcionar.
- ¿Dónde está la evidencia de xcodec?
- 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.