Original en anglais: https://argusic.com/subject/whisper-ctranslate2
whisper-ctranslate2
Client en ligne de commande Whisper compatible avec le client OpenAI original basé sur CTranslate2.
Fonctionnesource : GitHubPythonMITcommit 7c06913255be
Python, sous licence MIT. Le projet se décrit ainsi : openai , openai whisper, speech recognition, speech to text et whisper.
whisper-ctranslate2 fonctionne. Un agent Argusic l'a installé en 6 minutes et a rencontré 3 erreurs sur une machine propre sans GPU, et toute la session a été enregistrée.
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.
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 93,3 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.
- 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 minutes
- System pip install blocked by PEP 668 externally-managed environment1 minute
- e2e test_transcribe_diarization failed: HF_TOKEN unset and pyannote.audio/torch not installed for gated pyannote/speaker-diarization-community-1 model1 minute
- Temps d'installation
- 6 minutes
- De la machine vierge à la fin
- 22 minutes
- Erreurs rencontrées et corrigées
- 3 rencontrées, 2 corrigées sans aide humaine
- Comment le résultat a été prouvé
- 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 modèle utilisés
- 71 659
- Commit exact testé
- 7c06913255be
- 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
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.
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…
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 6 minutes.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- A rencontré 3 erreurs pendant l'installation, dont 1 n'a pas été résolue.
- 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.
- Une évaluation rapide : il fonctionnait 6 minutes après le clone.
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 | 93,33 | 0,07 |
Sujets (depuis GitHub)
openai-openai-whisperspeech-recognitionspeech-to-textwhisper
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/whisper-ctranslate2)Questions
- whisper-ctranslate2 fonctionne-t-il ?
- Oui. whisper-ctranslate2 fonctionne. Argusic l'a installé et lancé sur une machine propre en 6 minutes, en rencontrant 3 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé whisper-ctranslate2 ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 7c06913255be. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de whisper-ctranslate2 ?
- 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 whisper-ctranslate2 ?
- 6 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.
- whisper-ctranslate2 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 whisper-ctranslate2 ?
- 3 problèmes sont survenus lors de l'exécution enregistrée, et 2 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Où sont les preuves pour whisper-ctranslate2 ?
- 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.