Original em inglês: https://argusic.com/subject/whisper-ctranslate2
whisper-ctranslate2
Cliente de linha de comando Whisper compatível com o cliente original da OpenAI baseado em CTranslate2.
Executafonte: GitHubPythonMITcommit 7c06913255be
Python, licença MIT. O projeto se descreve como: openai , openai whisper, speech recognition, speech to text e whisper.
whisper-ctranslate2 executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 6 minutos e encontrou 3 erros, e a sessão inteira foi gravada.
Installed in a venv; the CLI answers version 0.5.7, all 17 unit tests pass, and 6 of 7 e2e tests pass including real small/medium-model transcription of the bundled samples matched against reference outputs, with only diarization failing because it needs a real HuggingFace token and pyannote/torch.
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 93,3 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.
- av 19.0.1 removed the metadata_errors kwarg, breaking faster-whisper 1.2.1 audio decode (TypeError open() got unexpected keyword argument 'metadata_errors')3 minutos
- System pip install blocked by PEP 668 externally-managed environment1 minuto
- e2e test_transcribe_diarization failed: HF_TOKEN unset and pyannote.audio/torch not installed for gated pyannote/speaker-diarization-community-1 model1 minuto
- Tempo de instalação
- 6 minutos
- Da máquina limpa até o fim
- 22 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- whisper-ctranslate2 --version returned 'whisper-ctranslate2 0.5.7'; nose2 -s tests returned 'Ran 17 tests ... OK'; nose2 -s e2e-tests returned 'Ran 7 tests ... FAILED (failures=1)'; whisper-ctranslate2 --model tiny --device cpu --compute_type float32 --output_dir /tmp/out2 --language en e2e-tests/gossos.mp3 exited 0 and wrote 5 output files
- Tokens de modelo usados
- 71.659
- Commit exato testado
- 7c06913255be
- 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 , a tentativa que decidiu o veredito acima. 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.
final_state: "Installed in a venv; CLI answers 0.5.7, 17 unit tests and 6/7 e2e tests pass includin… install_minutes: I'll put the install-phase minutes. Let me say ~6. Let me write the final line. Must be plain text starting with ARGUSIC_RESULT: followed by JSON on s… Let me put a JSON with proper escaping. install_minutes: the install + dependency fixes took roughly 6 minutes (venv ~5s + pip install ~24s… minutes for errors: PEP668 ~1, av ~3, diarization ~0 (couldn't fix, but it's part of e2e runtime; r… Let me write it.I have completed the mission. Let me compile the final report. **Summary of what I did and observed:** - **Install**: System `pip` is blocked by PEP 668 (externally-managed environment), so I created a … - **Error 1 fixed**: The install pulled `av 19.0.1`, and running a real transcription failed with `… - **Real verification (tier1)**: `whisper-ctranslate2 --model tiny e2e-tests/gossos.mp3` downloaded… - **Tests**: `nose2 -s tests` → `Ran 17 tests ... OK`. `nose2 -s e2e-tests` → `Ran 7 tests ... FAIL…
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 6 minutos.
- 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
- Encontrou 3 erros durante a configuração, 1 dos quais não foi resolvido.
- 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.
- Uma avaliação rápida: ele estava executando 6 minutos depois do clone.
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)
openai-openai-whisperspeech-recognitionspeech-to-textwhisper
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/whisper-ctranslate2)Perguntas
- whisper-ctranslate2 executa?
- Sim. whisper-ctranslate2 executa. A Argusic o instalou e iniciou em uma máquina limpa em 6 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou whisper-ctranslate2?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 7c06913255be. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar whisper-ctranslate2?
- 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 whisper-ctranslate2?
- 6 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- whisper-ctranslate2 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 whisper-ctranslate2?
- 3 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de whisper-ctranslate2?
- 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.