Original en anglais: https://argusic.com/subject/voicemem
VoiceMem
Infrastructure pour la prochaine génération d'agents vocaux, conçue pour fournir une mémoire universelle. Elle est divisée en un cerveau gauche et un cerveau droit, stockant respectivement les informations et les émotions, tandis qu'une architecture entièrement en streaming élimine la latence au niveau fondamental.
Fonctionne avec des mockssource : GitHubPythonApache-2.0commit 6cacb3c1e7fc
Python, sous licence Apache-2.0. Le projet se décrit ainsi : ai, ai agents, ai tools, application, audio streaming, genai, llm et long term memory.
VoiceMem fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 18 minutes et a rencontré 6 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
VoiceMem 0.2.3 installed in Python 3.12 virtual environment at /tmp/venv; left-brain memory ingest/search pipeline functional with mock OpenAI API; 5/5 unit tests pass; audio perception models not downloaded (ASR/VAD warmup skipped gracefully); PortAudio-dependent capture unavailable (no root).
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 92 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.
- torchvision 0.29.1 incompatible with torch 2.13.0 (RuntimeError: operator torchvision::nms does not exist)3 minutes
- pip install funasr/modelscope hung (corrupted pip cache)2 minutes
- externally-managed-environment: system Python 3.12 blocks system-wide pip install (PEP 668)1 minute
- BackendUnavailable: Cannot import 'setuptools.build_meta' (setuptools not in fresh venv)1 minute
- sentence-transformers 6.1.0 requires transformers>=5.0.0, conflicting with pinned transformers==4.52.31 minute
- sounddevice requires PortAudio system library (OSError: PortAudio library not found)
- Temps d'installation
- 18 minutes
- De la machine vierge à la fin
- 15 minutes
- Erreurs rencontrées et corrigées
- 6 rencontrées, 6 corrigées sans aide humaine
- Comment le résultat a été prouvé
- cd /work/repo && /tmp/venv/bin/python -m unittest tests.test_offline_engine tests.test_session_context -v -> 5 tests pass (0.054s); standalone mock-API integration test confirmed 2 facts ingested and retrieved via semantic search
- Tokens de modèle utilisés
- 77 672
- Commit exact testé
- 6cacb3c1e7fc
- 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
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
Regarder la session
L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.
Un enregistrement de la tentative 1, exécutée le , la tentative qui a décidé le verdict ci-dessus. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.
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.
- Created `/tmp/venv` virtual environment (system Python 3.12 blocks pip system-wide) - Installed all dependencies individually to avoid pip resolver hangs - Fixed torchvision version incompatibility (`0.29.1` → `0.28.0` for torch 2.13.0) - Fixed sentence-transformers version conflict (`6.1.0` → `5.7.0`) - Installed `voicemem` in editable mode **Verification:** - **5/5 unit tests pass** (3 right-brain reaction/trait tests, 2 session context tests) - Full **ingest → search pipeline verified** with mock Argusic API: 2 facts ingested, local E5 sema… - Core modules (`VoiceMem`, `LeftBrain`, `RightBrain`, `Orchestrator`, etc.) import cleanly - Web demo modules import successfully - `sounddevice`/PortAudio unavailable without root (expected) - Audio perception model downloads not present (ASR/VAD warmup skipped gracefully)
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
- S'est remis des 6 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- Sous licence Apache-2.0, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
- Installation en 18 minutes, plus lente que la médiane des 230 projets comparables mesurés par Argusic.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 231 projets ai qu'Argusic a installés et chronométrés, VoiceMem a été le 185e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 en ont atteint un.
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 avec des mocks | 92,00 | 0,07 |
Sujets (depuis GitHub)
aiai-agentsai-toolsapplicationaudio-streaminggenaillmlong-term-memorymemorymemory-managementpythonvoice-agentvoice-assistant
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/voicemem)Questions
- VoiceMem fonctionne-t-il ?
- VoiceMem fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 18 minutes, en rencontrant 6 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé VoiceMem ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 6cacb3c1e7fc. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de VoiceMem ?
- L'exécution qui a produit ce verdict a coûté 0,07 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 VoiceMem ?
- 18 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.
- VoiceMem 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 VoiceMem ?
- 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.
- Comment VoiceMem se compare-t-il aux alternatives ?
- Sur les 231 projets ai qu'Argusic a installés et chronométrés, VoiceMem a été le 185e plus rapide à atteindre un état de fonctionnement, et 152 sur 231 en ont atteint un.
- Où sont les preuves pour VoiceMem ?
- 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.