英語の原文: https://argusic.com/subject/vibevoice
VibeVoice
オープンソースのフロンティア音声 AI
動作するソース: GitHubホームページPythonMITコミット 16fb2cb1217c
Python、MIT ライセンス.
VibeVoice 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 2 分でインストールし、5 件のエラーに遭遇し、セッション全体が記録されました。
The editable install succeeds, all 86 repository tests pass, the realtime TTS demo launches and serves HTTP 200/101, and real model inference produced a decoded non-silent audio file; real ASR inference could not load within the 8 GB memory limit.
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 94 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。
- Bundled voice presets failed safe torch.load because BaseModelOutputWithPast and the legacy DynamicCache layout were incompatible with PyTorch 2.6+/Transformers 4.57.9 分
- Real 7B ASR checkpoint load was OOM-killed in float32 and BFloat16 because the container cgroup is limited to 8 GB and the checkpoint is 15.5 GB.6 分
- Real ASR checkpoint tokenizer rejected its list-valued extra_special_tokens under Transformers 4.57.3 分
- `python` and the `time` shell utility were absent; creating a virtualenv at /work/venv failed with permission denied.1 分
- ASR CLI --help crashed because torch.backends.xpu did not exist in the installed PyTorch.1 分
- インストール時間
- 2 分
- クリーンなマシンから完了まで
- 27 分
- 遭遇したエラーと修正したエラー
- 5 件に遭遇、4 件を人の手を借りずに修正
- 結果の証明方法
- `/tmp/vvvenv/bin/python -m pytest -q tests` exited 0 with `86 passed`; `ffmpeg -v error -i /tmp/vvout3/short_generated.wav -f null -` exited 0 after `realtime_model_inference_from_file.py` exited 0 and saved 1.733333 seconds of audio; `curl` to localhost:3000 returned 200 for `/` and `/config`, and 101 for `/stream`.
- 使用したモデルのトークン
- 529,780
- テストした正確なコミット
- 16fb2cb1217c
- 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
セッションを見る
クリーンなマシンから始まる実行の全体を、実際の速度で再生します。カットも早送りもしていません。
試行 1 の録画、実行日 。上の判定は別の試行によるものなので、これは現在の結果ではなく 1 つのセッションとしてご覧ください。 この動画の元になったターミナル録画が証拠であり、sha256 フィンガープリントとともに保存されています。動画はそこからレンダリングしたものです。 再生ボタンを押すまで、動画ホストからは何も読み込まれません。
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。
.../modeling_vibevoice_streaming_inference.py | 42 ++++++++++++++++++++++ .../modular/modular_vibevoice_text_tokenizer.py | 10 ++++++ 5 files changed, 61 insertions(+), 14 deletions(-) M demo/realtime_model_inference_from_file.py M demo/vibevoice_asr_inference_from_file.py M demo/web/app.py M vibevoice/modular/modeling_vibevoice_streaming_inference.py M vibevoice/modular/modular_vibevoice_text_tokenizer.py The repository now installs, its tests pass, and the documented realtime TTS path generates audio t… tokens used 529,780 The repository now installs, its tests pass, and the documented realtime TTS path generates audio t…
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。
- 2 分でインストールでき、Argusic が計測した比較可能な 46 件のプロジェクトの中央値より速い結果です。
- 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 MIT です。
- 2 回計測しているため、一度きりの結果ではありません。
うまくいかなかった点、または不明な点
- セットアップ中に 5 件のエラーに遭遇しました。そのうち 1 件は解決されていません。
Argusic がインストールして時間を計測した Python のプロジェクト 47 件のうち、VibeVoice は実行状態に達するまでの速さが 18 番目で、47 件中 28 件がそもそも実行状態に達しました。
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 2 分後には動作していました。
実行履歴
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/vibevoice)質問
- VibeVoice は動作しますか?
- はい。VibeVoice は動作します. Argusic はクリーンなマシンで 2 分でインストールして起動し、途中で 5 件のエラーに遭遇し、セッションを記録しました。
- Argusic は VibeVoice 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 16fb2cb1217c に固定)。記録された試行は 2 回で、手順の全体は評価方法のページに掲載しています。
- VibeVoice 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 0.43 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。
- VibeVoice 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 2 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。
- VibeVoice 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。
- VibeVoice 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 5 件の問題が発生しました。そのうち 4 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。
- VibeVoice は代替のプロジェクトと比べてどうですか?
- Argusic がインストールして時間を計測した Python のプロジェクト 47 件のうち、VibeVoice は実行状態に達するまでの速さが 18 番目で、47 件中 28 件がそもそも実行状態に達しました。
- VibeVoice の証拠はどこにありますか?
- 記録された 2 回の実行すべて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。