Original em inglês: https://argusic.com/subject/dograh
dograh
Plataforma de IA de voz de código aberto. Alternativa auto-hospedada ao Vapi e ao Retell. On Prem, BYOK em Speech to Speech ou LLM/STT/TTS, com um construtor visual de fluxos de trabalho, MCP nativo e suporte a telefonia.
Executafonte: GitHubpágina do projetoPythonBSD-2-Clausecommit 1e47eb54d22f
Python, licença BSD-2-Clause. O projeto se descreve como: ai calling, asterisk ari, conversational ai, inbound calls, local llm, no code, on prem voice agent platform e open source.
dograh executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 80 minutos e encontrou 6 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Backend Python venv installed with all core deps, PostgreSQL 16 running on port 5432, Redis 7.4.1 running on port 6379, Node.js v22 deployed, pipecat submodule installed editable, FastAPI app imports with speechmatics as the only blocking provider, 493/514 collectable tests pass against real services.
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 100 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.
- No PostgreSQL or Redis available in container - tests require both8 minutos
- ts_validator requires Node.js >=22.6 but system has v18.19.1; .mts/.ts files need --experimental-strip-types3 minutos
- Many optional pipecat provider SDKs missing (groq, deepgram, google-genai, anthropic, elevenlabs, azure, etc.)3 minutos
- pipecat submodule not checked out - git submodule init required2 minutos
- pgvector extension cannot be created - not compiled; server-dev package unavailable on archives for noble
- speechmatics SDK not available on PyPI, 5 tests fail at import time
- Tempo de instalação
- 80 minutos
- Da máquina limpa até o fim
- 57 minutos
- Erros encontrados e corrigidos
- 6 encontrados, 6 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- python -m pytest on 29 test files: 493 passed, 5 failed (speechmatics optional), 16 errors (pgvector missing extension) in 164s with real PostgreSQL and Redis
- Tokens de modelo usados
- 1.444.379
- Commit exato testado
- 1e47eb54d22f
- 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
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
succeeded in 0ms: ---Let me check for any .so that might work--- I've achieved strong results. Let me now provide the final report. exec /bin/sh -lc 'export PATH="/tmp/node-v22.11.0-linux-x64/bin:$PATH" && echo "node $(node --version) n… succeeded in 686ms: node v22.11.0 npm 10.9.0 2026-09-29 14:12:13.952 | INFO | pipecat:<module>:54 - ᓚᘏᗢ Pipecat 1.1.1.dev3064 (Python 3.12.3… pipecat 1.1.1.dev3064 fastapi 0.135.3 tokens used 1,444,379
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
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 80 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.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença BSD-2-Clause, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
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
Tópicos (de GitHub)
ai-callingasterisk-ariconversational-aiinbound-callslocal-llmno-codeon-prem-voice-agent-platformopen-sourceopen-source-voice-aioutbound-callspipecatpythonself-hostedspeech-to-speechspeech-to-texttelephonytext-to-speechvapi-alternativevoice-agentsvoice-ai-platform
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/dograh)Perguntas
- dograh executa?
- Sim. dograh executa. A Argusic o instalou e iniciou em uma máquina limpa em 80 minutos, encontrando 6 erros no caminho, e gravou a sessão.
- Como a Argusic testou dograh?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 1e47eb54d22f. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar dograh?
- A execução que produziu este veredito custou US$ 0,40: 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 dograh?
- 80 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- dograh 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 dograh?
- 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 dograh?
- 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.