Original em inglês: https://argusic.com/subject/thewhisper
TheWhisper
Modelos Whisper otimizados para streaming e uso no dispositivo
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit af7eebaa5315
Python, licença MIT. O projeto se descreve como: apple silicon, coreml, mlx, nvidia gpu, on device ai, real time, speech recognition e speech to text.
TheWhisper executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 35 minutos e encontrou 7 erros, e a sessão inteira foi gravada.
In this container the Python package installs and imports, the streaming pipeline and examples/server.py run against a local mock ASR endpoint returning word timestamps, and the Electron client launches on the virtual display and completes a session-create/audio-chunk/process transcription round trip; real CUDA/CoreML model inference and microphone capture were not verifiable here.
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 86,3 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.
- VAD streaming path silently dropped pending audio, and oversized queued chunks grew the buffer without trimming20 minutos
- Electron .env loaded from repo root but README runs from electron_app dir8 minutos
- OSError: PortAudio library not found (system has no libportaudio.so, no root to install)5 minutos
- Electron getUserMedia audio init returned {} in container (no audio device)4 minutos
- ModuleNotFoundError: transformers on import thestage_speechkit3 minutos
- FileStream used librosa correctly but had typo orgi_sr and imported load unnecessarily3 minutos
- Tempo de instalação
- 35 minutos
- Da máquina limpa até o fim
- 34 minutos
- Erros encontrados e corrigidos
- 7 encontrados, 5 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- python StreamingPipeline remote-backend test printed 7 transcription-bearing results; curl POST localhost:8822/session/create/ returned HTTP 200 and session_id; 40x add_chunk + process returned uncommited_words [{'text':' mock transcription','start':0.0,'end':1.0}]; electron --no-sandbox . on DISPLAY=:99 stayed alive with window 'TheNotes App' and its own api.createSession/sendAudioChunk/process returned the transcription
- Tokens de modelo usados
- 3.825.113
- Commit exato testado
- af7eebaa5315
- 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.
- Electron audio/mic init unreachable here (no audio device); Apple/`mlx` backend unavailable on Li… **Changes left in the repo** (uncommitted): `pyproject.toml` (add `transformers`), `thestage_speech… tokens used 3,825,113 All required work is done and recorded. Final summary with the required line: **Verified work (all observed in this container, 2026-10-12):** - `pip install .` in a fresh venv built the wheel and installed cleanly after fixes. - `StreamingPipeline` remote backend: 5 s audio in 0.1 s steps → 7 transcription-bearing results wi… - `examples/server.py` (whisper backend vs local mock): `POST /session/create/` → 200, 40 `add_chun… - Electron app on Xvfb: window `TheNotes App` (1440x900) stayed up; session created via its own `ap… - Electron audio/mic init unreachable here (no audio device); Apple/`mlx` backend unavailable on Li… **Changes left in the repo** (uncommitted): `pyproject.toml` (add `transformers`), `thestage_speech…
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
- 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.
- Levou 35 minutos para instalar, mais devagar que a mediana dos 5 projetos comparáveis que a Argusic mediu.
- Encontrou 7 erros durante a configuração, 2 dos quais não foram resolvidos.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 6 projetos de apple-silicon que a Argusic instalou e cronometrou, TheWhisper foi o 5º mais rápido a chegar a um estado de execução, e 2 de 6 chegaram a esse estado.
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 | 86,29 | 0,80 |
Tópicos (de GitHub)
apple-siliconcoremlmlxnvidia-gpuon-device-aireal-timespeech-recognitionspeech-to-textstreamingtranscriptiontranslationvoicevoice-ai
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/thewhisper)Perguntas
- TheWhisper executa?
- TheWhisper executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 35 minutos, encontrando 7 erros no caminho, e gravou a sessão.
- Como a Argusic testou TheWhisper?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit af7eebaa5315. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar TheWhisper?
- A execução que produziu este veredito custou US$ 0,80: 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 TheWhisper?
- 35 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- TheWhisper 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 TheWhisper?
- 7 coisas quebraram na execução registrada, e 5 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como TheWhisper se compara às alternativas?
- Dos 6 projetos de apple-silicon que a Argusic instalou e cronometrou, TheWhisper foi o 5º mais rápido a chegar a um estado de execução, e 2 de 6 chegaram a esse estado.
- Onde estão as evidências de TheWhisper?
- 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.