chaplin fonctionne-t-il ?

Oui. chaplin fonctionne. Argusic l'a installé et lancé sur une machine propre en 48 minutes, en rencontrant 10 erreurs en route, et a enregistré la session.

Comment Argusic a-t-il testé chaplin ?

Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 7aee1f8fca77. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.

Combien a coûté le test de chaplin ?

L'exécution qui a produit ce verdict a coûté 0,12 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.

Combien de temps faut-il pour installer chaplin ?

48 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.

chaplin a-t-il besoin d'un GPU ?

Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.

Qu'est-ce qui pose problème lors de l'installation de chaplin ?

10 problèmes sont survenus lors de l'exécution enregistrée, et 10 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.

Où sont les preuves pour chaplin ?

Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.

Original en anglais: https://argusic.com/subject/chaplin

chaplin

Un outil de reconnaissance de la parole silencieuse en temps réel.

Fonctionnesource : GitHubPythonMITcommit 7aee1f8fca77

Python, sous licence MIT. Le projet se décrit ainsi : auto avsr, avsr, llm, ollama, speech recognition, speech to text et vsr.

chaplin fonctionne. Un agent Argusic l'a installé en 48 minutes et a rencontré 10 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.

AVSR model loads on CPU and produces transcriptions from video features; MediaPipe face detector initializes; all Python imports resolve; webcam capture fails in headless environment (no /dev/video0) but app otherwise works
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré

Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 60 sur 100 (la moyenne des scores des exécutions de ce projet).

En un coup d'œil

verdict: Fonctionne
Score Argusic: 60 / 100
coût de l'exécution de vérification: 0,12 USD (mesuré)
exécutions enregistrées: 2
dernier test: 2026-10-14
étoiles: 772
forks: 92
issues ouvertes: 4
observateurs: 11
taille: 19 MB
créé le: 2025-02-03
dernier push: 2025-11-02

Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le 2026-11-04. Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.

Ce qui a été mesuré

Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.

Temps perdu à cause de chaque échec lors du test de chaplin, tiré de l'exécution enregistrée — Chaque barre est un échec enregistré par l'agent, avec le temps qu'il a coûté. Tiré de cette exécution, et de nulle part ailleurs.

Ce qui s'est mal passé, dans les mots de l'agent

Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.

torchvision.io.read_video not available in torchvision 0.298 minutes
Chaplin class hangs on __init__ due to async event loop init race condition8 minutes
wget not installed, setup.sh failed5 minutes
mediapipe 1.1.0 removed mp.solutions API, breaking detector3 minutes
mediapipe 0.10.20 requires numpy<2, conflicting with opencv-python 5.x3 minutes
pip install failed due to externally-managed-environment2 minutes

Temps d'installation: 48 minutes
De la machine vierge à la fin: 23 minutes
Erreurs rencontrées et corrigées: 10 rencontrées, 10 corrigées sans aide humaine
Comment le résultat a été prouvé: python3 tested: model.infer(dummy_input) produced varied outputs ('THAT'S RIGHT', 'WHAT DO YOU THINK', 'I DON'T KNOW') from 3 synthetic inputs. 'python main.py config_filename=./configs/LRS3_V_WER19.1.ini detector=mediapipe' launched successfully, loaded all components, and exited with cv2.VideoCapture(0) error (expected in headless container) after ~4 seconds.
Tokens de modèle utilisés: 724 044
Commit exact testé: 7aee1f8fca77
Image de conteneur: sha256:cdd920bce783

Ce qui n'a pas été mesuré

L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.

Pic de mémoire GPU: cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
Comportement sur une longue durée: chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge

La fin de l'enregistrement

Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.

6. Applied patches to fix:
   - `torchvision.io.read_video` → `av` in `data_module.py`, both detector files
   - Missing `espnet.nets.pytorch_backend.e2e_asr` import → corrected to `nets_utils` in `lm/defaul…
   - `Chaplin.__init__` race condition with async event loop startup (moved to `threading.Thread` +…
   - `hydra.main` version mismatch (original code targets hydra 1.3+, not the old 0.11 API
exec
/bin/sh -lc "ARGUSIC_RESULT: {\"install_succeeded\": true, \"launch_succeeded\": true, \"install_mi…
 exited 127 in 0ms:
/bin/sh: 1: ARGUSIC_RESULT:: not found
2026-10-14T18:20:57.995453Z ERROR codex_core::session: failed to record rollout items: thread 01a13…
tokens used
724,044

Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.

Comment le test a été mené

Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.

Points forts et limites

Des faits mesurés, pas des opinions. Comment ce site est rédigé.

Ce qui s'est bien passé

A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
Installé en 48 minutes.
S'est remis des 10 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
Sous licence MIT, selon son hébergeur.
Mesuré 2 fois, le résultat n'est donc pas un cas isolé.

Pour quoi c'est un choix raisonnable

L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.

Également testés, dans le même domaine

Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.

Historique des exécutions

testé par	tentative	résultat	score	coût USD	date
Argusic Runner	2/3	Fonctionne	100,00	0,12	2026-10-14 18:21 UTC
Argusic Runner	1/3	N'a pas fonctionné	20,00	0,01	2026-10-14 09:05 UTC

Sujets (depuis GitHub)

auto-avsr avsr llm ollama speech-recognition speech-to-text vsr

Intégrer le badge

Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.

[![Tested by Argusic](https://argusic.com/badge/chaplin.svg)](https://argusic.com/subject/chaplin)

Questions

chaplin fonctionne-t-il ?: Oui. chaplin fonctionne. Argusic l'a installé et lancé sur une machine propre en 48 minutes, en rencontrant 10 erreurs en route, et a enregistré la session.
Comment Argusic a-t-il testé chaplin ?: Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 7aee1f8fca77. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test de chaplin ?: L'exécution qui a produit ce verdict a coûté 0,12 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
Combien de temps faut-il pour installer chaplin ?: 48 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
chaplin a-t-il besoin d'un GPU ?: Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
Qu'est-ce qui pose problème lors de l'installation de chaplin ?: 10 problèmes sont survenus lors de l'exécution enregistrée, et 10 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
Où sont les preuves pour chaplin ?: Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.