英語の原文: https://argusic.com/subject/voicestreamai
VoiceStreamAI
セルフホスト型の Whisper と WebSocket を使った Python/JS によるほぼリアルタイムの音声文字起こし
動作するソース: GitHubPythonMITコミット 9248cd1fcf26
Python、MIT ライセンス. プロジェクト自身の表記: ai、speech recognition、speech to text、websocket.
VoiceStreamAI 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、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。
A fresh venv installs cleanly; the VoiceStreamAI server launches on 127.0.0.1:8765 with the token-free silero VAD plus the real faster-whisper-tiny model and streams a real transcription back over WebSocket ('Good morning, everyone!'), while 2 of 3 unittest tests pass and the pyannote VAD test remains blocked by the gated pyannote/segmentation model.
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。
- faster-whisper's download_model rejects local paths (HFValidationError: Repo id must be in the form 'repo_name' or 'namespace/repo_name'), so a local stand-in ASR model cannot be pointed at directly22 分
- server buffering logic with --vad-type none sent no transcription when the full audio payload was streamed without a trailing silence offset (first three server runs produced 0 replies, logged ConnectionClosed with code 1000 OK)8 分
- test/vad/test_pyannote_vad.py setUp fails: PyannoteVAD() without auth raises 'Missing required env var in PYANNOTE_AUTH_TOKEN'; the pyannote/segmentation model is access-restricted (huggingface.co returned HTTP 401)8 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
- 15 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
- single-session run: fresh venv pip install -r requirements.txt -r requirements-dev.txt exited 0; .venv/bin/python -m src.main --host 127.0.0.1 --port 8765 --vad-type silero --asr-args '{"model_size": "tiny"}' answered HTTP 426 on http://127.0.0.1:8765/; websocket client received 'RX: Good morning, everyone! | lang: en'; .venv/bin/python -m unittest discover -s test -p 'test_*.py' with VAD_TYPE=none ASR_TYPE=faster_whisper printed 'Ran 3 tests in 73.709s, FAILED (errors=1)'; ffmpeg -v error -i on both test wavs exited 0
- 使用したモデルのトークン
- 245,171
- テストした正確なコミット
- 9248cd1fcf26
- 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 。上の判定を決めた試行です。 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。
- No repository files were modified — the repo is untouched (`git status` clean aside from the untr…
**Result line (required format)**
tokens used
245,171
Everything is now verified cleanly. Final report:
**Findings**
- Deploy (Python 3.12 venv, `requirements.txt` + `requirements-dev.txt`): clean, both installs exit…
- Live server on `127.0.0.1:8765`: `curl` returned HTTP `426` (expected Upgrade Required for WS), l…
- Test suite (`VAD_TYPE=none ASR_TYPE=faster_whisper`): `Ran 3 tests`, 2 passed, 1 error — `test/va…
- `ffmpeg -v error -i test/audio_files/{eng_speech,eng_voice_commands}.wav -f null -` both exited 0.
- No repository files were modified — the repo is untouched (`git status` clean aside from the untr…
**Result line (required format)**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 230 件のプロジェクトの中央値より速い結果です。
- 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 MIT 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。
Argusic がインストールして時間を計測した ai のプロジェクト 231 件のうち、VoiceStreamAI は実行状態に達するまでの速さが 39 番目で、231 件中 152 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。
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/voicestreamai)質問
- VoiceStreamAI は動作しますか?
- はい。VoiceStreamAI 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 3 件のエラーに遭遇し、セッションを記録しました。
- Argusic は VoiceStreamAI 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 9248cd1fcf26 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。
- VoiceStreamAI 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 0.08 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。
- VoiceStreamAI 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。
- VoiceStreamAI 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。
- VoiceStreamAI 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。
- VoiceStreamAI 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 ai のプロジェクト 231 件のうち、VoiceStreamAI は実行状態に達するまでの速さが 39 番目で、231 件中 152 件がそもそも実行状態に達しました。
- VoiceStreamAI 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。