英語の原文: https://argusic.com/subject/dia2
dia2
リアルタイムで会話音声をストリーミングできる TTS モデル。
動作するソース: GitHubPythonApache-2.0コミット 8687268f4ed3
Python、Apache-2.0 ライセンス. プロジェクト自身の表記: open weight、text to speech.
dia2 は動作します。Argusic のエージェントが GPU のないクリーンなマシンで 0.6 分でインストールし、3 件のエラーに遭遇してすべてを自力で修正し、セッション全体が記録されました。
Dia2-1B model loads and generates valid 24 kHz mono WAV audio on CPU (bfloat16) via both the Python API and CLI, producing non-silent output with correct speaker-tagged transcription and word timestamps.
クリーンなマシンでエージェントが最終的に得た結果 (エージェント自身の言葉)。 計測方法
Argusic が毎回新しいマシンで計測しています。 すべての数値はその証拠にリンクしています。 Argusic スコア 100 点中 100 点 (このプロジェクトの実行スコアの平均)。
概要
プロジェクトのデータは GitHub から取得 (このページの冒頭にリンクあり)、更新日 。テストデータは Argusic によるもので (CC BY 4.0)、すべての数値は、完全なログ、録画、それらの sha256 ハッシュを含む実行ページにリンクしています。
計測した内容
この判定を決めた実行から取得しています。 各行は記録された値であり、推定値ではありません。
うまくいかなかった点 (エージェント自身の言葉)
エージェント自身の言葉を、深刻なものから順に掲載しています。助言に書き換えることはありません。
- 2B model (Dia2-2B, 7.68 GB safetensors) caused OOM kill under 8 GB cgroup memory limit on CPU3 分
- resolve_precision defaults to float32 on CPU regardless of dtype preference, exceeding 8 GB cgroup limit with 1B model (~4.3 GB weights + float32 model)2 分
- uv not found in PATH (installed via pip, but only accessible from /home/runner/.local/bin)1 分
- インストール時間
- 1 分未満
- クリーンなマシンから完了まで
- 12 分
- 遭遇したエラーと修正したエラー
- 3 件に遭遇、3 件を人の手を借りずに修正
- 結果の証明方法
- uv sync exited 0 (95 packages). Dia2.from_repo loaded Dia2-1B on CPU bfloat16 and generated test_output.wav; ffmpeg -v error -i test_output.wav -f null - exited 0; soundfile read: 24000 Hz, 36480 samples, max=0.122, min=-0.123 (non-zero audio). CLI-style generation produced test_cli_output.wav (80684 bytes, 1.68s, 24000 Hz, max=0.469). Gradio build_interface() returned a Blocks object without errors.
- 使用したモデルのトークン
- 89,975
- テストした正確なコミット
- 8687268f4ed3
- コンテナイメージ
- sha256:cdd920bce783
計測していない内容
残りの半分です。この証拠がどこまでを示すのかを正確に確認できます。欠けている部分は欠けているものとして表示し、埋めることはありません。
- GPU メモリのピーク
- CPU マシンで実行したため、サンプリングする GPU がありませんでした
- 長時間の実行での振る舞い
- 各試行はドキュメントにある最小の設定と決まった時間予算を使うため、計測しているのは動作するかどうかであり、負荷のもとでどう持ちこたえるかではありません
録画の最後
この判定を決めたターミナルセッションの最後の行を、記録されたとおりに表示しています。
- Timestamps: Hello=0.16s, world.=0.4s
- Samples range: -0.123 to 0.122 (non-zero)
6. CLI-style generation: passed
- Output: test_cli_output.wav (80684 bytes, 1.68s, 24000 Hz)
- Samples range: -0.469 to 0.469
7. ffmpeg WAV validation: passed (exit 0, no errors)
8. Gradio interface building: passed
Limitations:
- CUDA GPU not available in this container
- resolve_precision defaults to float32 on CPU; patched to bfloat16 to fit 8GB cgroup limit
tokens used
89,975セッション全体を再生 (クリーンなマシンからこの時点までのすべてのコマンド)。
テスト方法
1 つのエージェント、1 つのコンテナで、人の手は借りません。エージェントはプロジェクト自身のドキュメントに書かれた方法でインストールし、実行し、壊れた部分を修正します。以下はすべて、実際に起きたとおりに記録されています: ターミナルセッション、ログ、そして正確なコミットです。 評価方法の全文.
強みと限界
意見ではなく、計測された事実です。コンテンツの作成方法.
うまくいった点
- クリーンなマシンで実行状態に達し、セッションが記録されました。
- 0.6 分でインストールできました。
- 3 件のエラーすべてから、人の介入なしに回復しました。失敗が解決できる程度にはドキュメント化されていることを示しています。
- GPU なしで動作したため、起動に GPU は必要ありません。
- ホストの報告によると、ライセンスは Apache-2.0 です。
うまくいかなかった点、または不明な点
- これまでの計測は 1 回です。1 回の試行は動作し得ることを示すだけで、安定して動作することは示しません。
適している用途
- ノートパソコンや小さなサーバーで試す場合: GPU なしで実行状態に達しました。
- 手早く評価したい場合: クローンから 0.6 分後には動作していました。
同じ分野でテストしたプロジェクト
ここに挙げたものはすべて、Argusic がクリーンなマシンにインストールして実行しました。テストしていないものは表示されません。
実行履歴
トピック (出典: GitHub)
バッジを埋め込む
プロジェクトの README に貼る Markdown です。バッジはこのページにリンクします。利用条件: 利用規約ページ.
[](https://argusic.com/subject/dia2)質問
- dia2 は動作しますか?
- はい。dia2 は動作します. Argusic はクリーンなマシンで 1 分でインストールして起動し、途中で 3 件のエラーに遭遇し、セッションを記録しました。
- Argusic は dia2 をどのようにテストしましたか?
- 新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット 8687268f4ed3 に固定)。記録された試行は 1 回で、手順の全体は評価方法のページに掲載しています。
- dia2 のテストにはいくらかかりましたか?
- この判定を出した実行のコストは 0.07 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。
- dia2 のインストールにはどのくらい時間がかかりますか?
- この判定を決めた実行では、クリーンなマシンから実行状態まで 0.6 分でした。これは 1 回の計測された試行であり、平均ではありません。
- dia2 には GPU が必要ですか?
- 起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。
- dia2 のインストールでは何がうまくいきませんか?
- 記録された実行では 3 件の問題が発生しました。そのうち 3 件は人の手を借りずに修正されました。それぞれの問題と、かかった時間をこのページに掲載しています。
- dia2 の証拠はどこにありますか?
- 記録された実行をこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。