Transcription étiquetée par locuteur avec WhisperX sur SageMaker AI
aws ·
Cet article de blog AWS décrit le déploiement du conteneur d'apprentissage profond WhisperX sur Amazon SageMaker AI pour obtenir une transcription avec identification des locuteurs et des horodatages précis au niveau des mots. Les auteurs expliquent comment WhisperX améliore la reconnaissance vocale standard en ajoutant l'alignement forcé et la diarisation, répondant ainsi aux problèmes courants tels que les timings inexacts et l'absence d'identification des locuteurs dans les charges de travail professionnelles. Le guide présente deux modèles de déploiement : des points de terminaison en temps réel pour les courts extraits interactifs de moins de 60 secondes, et des points de terminaison asynchrones pour les fichiers audio longs qui traitent les résultats via Amazon S3. Les considérations clés pour la production incluent le verrouillage de la version spécifique de l'image AMI GPU pour garantir la compatibilité, l'augmentation du débit en ajoutant des instances plutôt qu'en augmentant la concurrence, et la configuration de l'autoscaling à zéro pour optimiser les coûts dans les scénarios par lots. L'article fournit des exemples de code pour créer des modèles, configurer des points de terminaison et invoquer l'inférence avec des données de formulaire multipartie. Il met également en avant les bonnes pratiques pour sécuriser les artefacts S3, gérer les données sensibles et surveiller les performances à l'aide des métriques CloudWatch.
aws