Original em inglês: https://argusic.com/subject/amphion
Amphion
Amphion (/æmˈfaɪən/) é um kit de ferramentas para geração de áudio, música e fala. Seu propósito é apoiar pesquisa reproduzível e ajudar pesquisadores e engenheiros juniores a começar na área de pesquisa e desenvolvimento de geração de áudio, música e fala.
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit 26f688311018
Python, licença MIT. O projeto se descreve como: audio generation, audio synthesis, audioldm, audit, emilia, fastspeech2, maskgct e music generation.
Amphion executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 18 minutos e encontrou 6 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Core dependencies installed, evaluation metrics compute correctly on audio pairs, model classes import cleanly. pyworld-dependent f0 metrics unavailable without python3-dev headers. Cython monotonic_align extension uncompiled for same reason.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- pyworld, pysptk, pesq, webrtcvad failed to build from source: missing python3-dev (Python.h header). No root access to install it.4 minutos
- Multiple missing __init__.py files in modules/ subdirectories (modules/base, modules/diffusion/bidilconv, modules/diffusion/karras, modules/diffusion/unet, modules/flow, modules/naturalpseech2, modules/wenet_extractor/*)1 minuto
- fairseq missing version.txt - failed pip install from git1 minuto
- librosa 0.9.1 requires pkg_resources from setuptools; newer setuptools broke it1 minuto
- lhotse not installed (required by modules/general)1 minuto
- transformers 5.x missing soxr dependency for Wav2Vec21 minuto
- Tempo de instalação
- 18 minutos
- Da máquina limpa até o fim
- 25 minutos
- Erros encontrados e corrigidos
- 6 encontrados, 6 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- python -c computed evaluation metrics (MSTFT=0.136, SI-SDR=19.97, SI-SNR=19.97, V/UV F1=0.0) on synthetic audio pairs using extract_mstft, extract_si_sdr, extract_si_snr. Core model imports (FastSpeech2, HiFiGAN, MelGAN, BigVGAN) and module imports (encoder, transformer, norms, general, vocoder_blocks) all succeed. Python module imports exercised without errors.
- Tokens de modelo usados
- 535.343
- Commit exato testado
- 26f688311018
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
/work/repo/evaluation/metrics/f0/v_uv_f1.py:98: UserWarning: Creating a tensor from a list of numpy…
ref_voiced = torch.Tensor([f0_ref != 0]).bool()
{
"mstft": 0.13607480935752392,
"si_sdr": 19.970428466796875,
"si_snr": 19.970428466796875,
"v_uv_f1": 0.0
}
Now I have a comprehensive picture. Here's the full report:
tokens used
535,343
Now I have a comprehensive picture. Here's the full report:Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Instalado em 18 minutos.
- Recuperou-se de todos os 6 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,14 |
Tópicos (de GitHub)
audio-generationaudio-synthesisaudioldmauditemiliafastspeech2maskgctmusic-generationnaturalspeech2singing-voice-conversionspeech-synthesistext-to-audiotext-to-speechvall-evitsvocodervoice-conversion
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/amphion)Perguntas
- Amphion executa?
- Amphion executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 18 minutos, encontrando 6 erros no caminho, e gravou a sessão.
- Como a Argusic testou Amphion?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 26f688311018. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar Amphion?
- A execução que produziu este veredito custou US$ 0,14: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar Amphion?
- 18 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- Amphion precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar Amphion?
- 6 coisas quebraram na execução registrada, e 6 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de Amphion?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.