Original em inglês: https://argusic.com/subject/speech-cpp
speech.cpp
Speech synthesis, speech recognition and voice activity detection for voice conversation, in C++ on ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet and Silero VAD on Metal, Vulkan and the CPU, with an OpenAI-compatible server and live transcription.
Executafonte: GitHubC++MITcommit 03555100287c
C++, licença MIT. O projeto se descreve como: asr, cpp, ggml, gguf, irodori tts, metal, parakeet e qwen3 asr.
speech.cpp executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 12 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
The speech.cpp 0.10.1 build from source produces a working speech executable and libspeech.so.4 C API shared library on Linux x86_64 CPU. The binary enumerates devices, lists all models in the catalog with their tasks/languages/sizes, downloads models from Hugging Face on demand (verified with silero-vad), runs Silero VAD inference on a WAV file, and validates all subcommand arguments correctly.
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. 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.
- Parallel build with -j ran out of memory (OOM killed cc1plus processes) on some compilation units1 minuto
- Tempo de instalação
- 12 minutos
- Da máquina limpa até o fim
- 7 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- cd /work/repo && cmake -B build && cmake --build build -j2 --target all && LD_LIBRARY_PATH=build ./build/speech --version returned 'speech.cpp 0.10.1, C API 4.1'; LD_LIBRARY_PATH=build ./build/speech devices returned CPU device; LD_LIBRARY_PATH=build ./build/speech vad silero-vad /tmp/test_speech.wav returned 0 regions, RTFx 329
- Tokens de modelo usados
- 154.157
- Commit exato testado
- 03555100287c
- 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.
Impressive! The VAD model detects no speech in the sine wave (correct — it's just a tone, not human… Now let me do a final summary. Let's check if `speech update` works: exec /bin/sh -lc 'cd /work/repo && export LD_LIBRARY_PATH=build && ./build/speech update --check 2>&1' i… succeeded in 842ms: speech.cpp 0.10.1 is the latest release The `update` command reaches GitHub and confirms this is the latest release. Let me now format the final ARGUSIC_RESULT. The build succeeded on the first try with the OOM issue… tokens used 154,157 The `update` command reaches GitHub and confirms this is the latest release. Let me now format the final ARGUSIC_RESULT. The build succeeded on the first try with the OOM issue…
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.
- Recuperou-se do único erro 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 MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Levou 12 minutos para instalar, mais devagar que a mediana dos 10 projetos comparáveis que a Argusic mediu.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 11 projetos de asr que a Argusic instalou e cronometrou, speech.cpp foi o 8º mais rápido a chegar a um estado de execução, e 8 de 11 chegaram a esse estado.
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)
asrcppggmlggufirodori-ttsmetalparakeetqwen3-asrqwen3-ttsreazonspeechsilero-vadspeech-recognitionspeech-synthesistext-to-speechttsvoice-activity-detectionvulkan
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/speech-cpp)Perguntas
- speech.cpp executa?
- Sim. speech.cpp executa. A Argusic o instalou e iniciou em uma máquina limpa em 12 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou speech.cpp?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 03555100287c. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar speech.cpp?
- A execução que produziu este veredito custou US$ 0,07: 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 speech.cpp?
- 12 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- speech.cpp 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 speech.cpp?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como speech.cpp se compara às alternativas?
- Dos 11 projetos de asr que a Argusic instalou e cronometrou, speech.cpp foi o 8º mais rápido a chegar a um estado de execução, e 8 de 11 chegaram a esse estado.
- Onde estão as evidências de speech.cpp?
- 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.