Original em inglês: https://argusic.com/subject/vibevoice
VibeVoice
AI de Voz de Fronteira de Código Aberto
Executafonte: GitHubpágina do projetoPythonMITcommit 16fb2cb1217c
Python, licença MIT.
VibeVoice executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2 minutos e encontrou 5 erros, e a sessão inteira foi gravada.
The editable install succeeds, all 86 repository tests pass, the realtime TTS demo launches and serves HTTP 200/101, and real model inference produced a decoded non-silent audio file; real ASR inference could not load within the 8 GB memory limit.
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 94 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.
- Bundled voice presets failed safe torch.load because BaseModelOutputWithPast and the legacy DynamicCache layout were incompatible with PyTorch 2.6+/Transformers 4.57.9 minutos
- Real 7B ASR checkpoint load was OOM-killed in float32 and BFloat16 because the container cgroup is limited to 8 GB and the checkpoint is 15.5 GB.6 minutos
- Real ASR checkpoint tokenizer rejected its list-valued extra_special_tokens under Transformers 4.57.3 minutos
- `python` and the `time` shell utility were absent; creating a virtualenv at /work/venv failed with permission denied.1 minuto
- ASR CLI --help crashed because torch.backends.xpu did not exist in the installed PyTorch.1 minuto
- Tempo de instalação
- 2 minutos
- Da máquina limpa até o fim
- 27 minutos
- Erros encontrados e corrigidos
- 5 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- `/tmp/vvvenv/bin/python -m pytest -q tests` exited 0 with `86 passed`; `ffmpeg -v error -i /tmp/vvout3/short_generated.wav -f null -` exited 0 after `realtime_model_inference_from_file.py` exited 0 and saved 1.733333 seconds of audio; `curl` to localhost:3000 returned 200 for `/` and `/config`, and 101 for `/stream`.
- Tokens de modelo usados
- 529.780
- Commit exato testado
- 16fb2cb1217c
- 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
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em . O veredito acima vem de outra tentativa, então veja isto como uma sessão e não como o resultado atual. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
.../modeling_vibevoice_streaming_inference.py | 42 ++++++++++++++++++++++ .../modular/modular_vibevoice_text_tokenizer.py | 10 ++++++ 5 files changed, 61 insertions(+), 14 deletions(-) M demo/realtime_model_inference_from_file.py M demo/vibevoice_asr_inference_from_file.py M demo/web/app.py M vibevoice/modular/modeling_vibevoice_streaming_inference.py M vibevoice/modular/modular_vibevoice_text_tokenizer.py The repository now installs, its tests pass, and the documented realtime TTS path generates audio t… tokens used 529,780 The repository now installs, its tests pass, and the documented realtime TTS path generates audio t…
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 2 minutos, mais rápido que a mediana dos 46 projetos comparáveis que a Argusic mediu.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Encontrou 5 erros durante a configuração, 1 dos quais não foi resolvido.
Dos 47 projetos de Python que a Argusic instalou e cronometrou, VibeVoice foi o 18º mais rápido a chegar a um estado de execução, e 28 de 47 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.
- Uma avaliação rápida: ele estava executando 2 minutos depois do clone.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Executa | 96,00 | 0,43 | |
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,19 |
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/vibevoice)Perguntas
- VibeVoice executa?
- Sim. VibeVoice executa. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 5 erros no caminho, e gravou a sessão.
- Como a Argusic testou VibeVoice?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 16fb2cb1217c. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar VibeVoice?
- A execução que produziu este veredito custou US$ 0,43: 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 VibeVoice?
- 2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- VibeVoice 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 VibeVoice?
- 5 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como VibeVoice se compara às alternativas?
- Dos 47 projetos de Python que a Argusic instalou e cronometrou, VibeVoice foi o 18º mais rápido a chegar a um estado de execução, e 28 de 47 chegaram a esse estado.
- Onde estão as evidências de VibeVoice?
- Todas as 2 execuções registradas estão 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.