英文原文: https://argusic.com/subject/quillman
quillman
一个语音聊天应用
借助 mock 可运行来源：GitHub项目主页PythonMITcommit 7ed27b446538
Python，MIT 许可证. 项目的自我描述：ai、language model、python、serverless、speech recognition 和 speech to text.
quillman 可以运行，其依赖的服务由替身代替。一个 Argusic agent 在一台没有 GPU 的干净机器上用 1.1 分钟完成了安装，遇到 3 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。
The QuiLLMan frontend and websocket adapter run locally via uvicorn on port 8000 with a mocked Modal layer serving both the React frontend (200 on /) and a FastAPI websocket endpoint (200 on /status, echo responses on /ws)
agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式
每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 92，满分 100（该项目各次运行得分的平均值）。
概览
项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。
测量了什么
来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。
哪里出了问题，用 agent 自己的话说
agent 的原话，最严重的排在最前，从不改写成建议。
- Modal cloud token not configured3 分钟
- sounddevice requires libportaudio (system package)0.5 分钟
- No CUDA GPU available for Moshi model inference0.5 分钟
- 安装时间
- 1 分钟
- 从冷启动机器到完成
- 11 分钟
- 遇到并修复的错误
- 遇到 3 个，在无人协助的情况下修复了 3 个
- 结果是如何证明的
- venv/bin/python run_local.py serves on port 8000; curl /status returns 200, curl / returns 200, WS e2e test sent 10 Opus chunks and received 30 responses
- 使用的模型 token
- 130,751
- 测试的确切 commit
- 7ed27b446538
- 容器镜像
- sha256:cdd920bce783
没有测量什么
另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。
- GPU 显存峰值
- 本次运行在 CPU 机器上进行，没有可采样的 GPU
- 长时间运行的表现
- 每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
- 对接真实服务的表现
- 本次运行只对照替身服务进行了验证
录屏的结尾
决定该结论的终端会话的最后几行，与录制时完全一致。
4. **Built a local runner** (`run_local.py`) that mocks the `modal` module and serves both the Reac… 5. **Verified the stack:** - `GET /status` → **200** - `GET /` → **200** (frontend HTML served) - `WebSocket /ws` → connected, echoed Opus-tagged binary frames (tag `\x01` prefix) - Adapted **e2e test** against the local server: 10 opus chunks sent → **30 chunks received** (`… 6. **All dependency imports verified:** `modal`, `torch`, `moshi`, `sphn`, `fastapi`, `uvicorn`, `a… **Notes on what did not work:** - `modal serve` and `modal deploy` require a Modal account and API tokens — these cloud-only comman… - `sounddevice` requires the system `libportaudio` which is not installed, but this only affects th… - GPU (CUDA) not available, so the real Moshi model cannot do inference locally — but the API adapt… **Final result:**
回放完整会话，从干净的机器到此刻的每一条命令。
测试方式
一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.
优势与局限
均为实测事实，而非观点。内容是如何撰写的.
顺利的部分
- 用 1.1 分钟完成安装，快于 Argusic 测量过的 230 个同类项目的中位数。
- 在无人介入的情况下从全部 3 个错误中恢复，说明这些故障的文档足以让人解决。
- 采用 MIT 许可证，以其托管平台报告的信息为准。
不顺利或尚不清楚的部分
- 只在替身服务下达到了运行状态，因此这里没有任何内容能证明它在真实服务下可以工作。
- 目前只测量过一次。单次尝试只能说明它可以运行，不能说明它能稳定运行。
在 Argusic 安装并计时过的 231 个 ai 项目中，quillman 达到运行状态的速度排名第 35，231 个项目中有 152 个达到了运行状态。
同一领域中也测试过的项目
这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。
运行历史
| 测试者 | 尝试 | 结果 | 评分 | 成本 USD | 时间 |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | 借助 mock 可运行 | 92.00 | 0.09 |
主题 (来自 GitHub)
ailanguage-modelpythonserverlessspeech-recognitionspeech-to-text
嵌入徽章
用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.
[](https://argusic.com/subject/quillman)常见问题
- quillman 能运行吗？
- quillman 可以运行，外部服务由 mock 代替. Argusic 在一台干净的机器上安装并启动了它，用时 1 分钟，过程中遇到 3 个错误，并记录了整个会话。
- Argusic 是如何测试 quillman 的？
- 在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 7ed27b446538。共记录了 1 次尝试，完整方法见方法论页面。
- 测试 quillman 花了多少钱？
- 得出该结论的那次运行花费 0.09 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
- quillman 安装需要多长时间？
- 在决定该结论的那次运行中，从干净的机器到运行状态用了 1.1 分钟。这是一次实测的尝试，不是平均值。
- quillman 需要 GPU 吗？
- 启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
- 安装 quillman 时会出现什么问题？
- 已记录的运行中出现了 3 个问题，其中 3 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
- quillman 与其他替代方案相比如何？
- 在 Argusic 安装并计时过的 231 个 ai 项目中，quillman 达到运行状态的速度排名第 35，231 个项目中有 152 个达到了运行状态。
- quillman 的证据在哪里？
- 这次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。