Original en anglais: https://argusic.com/subject/dograh
dograh
Plateforme open source d'IA vocale. Alternative auto-hébergée à Vapi et Retell. Sur site, BYOK pour le Speech to Speech ou le LLM/STT/TTS, avec un constructeur de workflow visuel, MCP natif et prise en charge de la téléphonie.
Fonctionnesource : GitHubpage d'accueilPythonBSD-2-Clausecommit 1e47eb54d22f
Python, sous licence BSD-2-Clause. Le projet se décrit ainsi : ai calling, asterisk ari, conversational ai, inbound calls, local llm, no code, on prem voice agent platform et open source.
dograh fonctionne. Un agent Argusic l'a installé en 80 minutes et a rencontré 6 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
Backend Python venv installed with all core deps, PostgreSQL 16 running on port 5432, Redis 7.4.1 running on port 6379, Node.js v22 deployed, pipecat submodule installed editable, FastAPI app imports with speechmatics as the only blocking provider, 493/514 collectable tests pass against real services.
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 100 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . 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.
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.
- No PostgreSQL or Redis available in container - tests require both8 minutes
- ts_validator requires Node.js >=22.6 but system has v18.19.1; .mts/.ts files need --experimental-strip-types3 minutes
- Many optional pipecat provider SDKs missing (groq, deepgram, google-genai, anthropic, elevenlabs, azure, etc.)3 minutes
- pipecat submodule not checked out - git submodule init required2 minutes
- pgvector extension cannot be created - not compiled; server-dev package unavailable on archives for noble
- speechmatics SDK not available on PyPI, 5 tests fail at import time
- Temps d'installation
- 80 minutes
- De la machine vierge à la fin
- 57 minutes
- Erreurs rencontrées et corrigées
- 6 rencontrées, 6 corrigées sans aide humaine
- Comment le résultat a été prouvé
- python -m pytest on 29 test files: 493 passed, 5 failed (speechmatics optional), 16 errors (pgvector missing extension) in 164s with real PostgreSQL and Redis
- Tokens de modèle utilisés
- 1 444 379
- Commit exact testé
- 1e47eb54d22f
- 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.
succeeded in 0ms: ---Let me check for any .so that might work--- I've achieved strong results. Let me now provide the final report. exec /bin/sh -lc 'export PATH="/tmp/node-v22.11.0-linux-x64/bin:$PATH" && echo "node $(node --version) n… succeeded in 686ms: node v22.11.0 npm 10.9.0 2026-09-29 14:12:13.952 | INFO | pipecat:<module>:54 - ᓚᘏᗢ Pipecat 1.1.1.dev3064 (Python 3.12.3… pipecat 1.1.1.dev3064 fastapi 0.135.3 tokens used 1,444,379
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 80 minutes.
- S'est remis des 6 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 BSD-2-Clause, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
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 | 1/3 | Fonctionne | 100,00 | 0,40 |
Sujets (depuis GitHub)
ai-callingasterisk-ariconversational-aiinbound-callslocal-llmno-codeon-prem-voice-agent-platformopen-sourceopen-source-voice-aioutbound-callspipecatpythonself-hostedspeech-to-speechspeech-to-texttelephonytext-to-speechvapi-alternativevoice-agentsvoice-ai-platform
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/dograh)Questions
- dograh fonctionne-t-il ?
- Oui. dograh fonctionne. Argusic l'a installé et lancé sur une machine propre en 80 minutes, en rencontrant 6 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé dograh ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 1e47eb54d22f. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de dograh ?
- L'exécution qui a produit ce verdict a coûté 0,40 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 dograh ?
- 80 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.
- dograh 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 dograh ?
- 6 problèmes sont survenus lors de l'exécution enregistrée, et 6 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Où sont les preuves pour dograh ?
- L'exécution enregistrée se trouve 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.