Trascrizione con etichetta del parlante utilizzando WhisperX su SageMaker AI
aws ·
Questo post del blog AWS descrive il deployment del Deep Learning Container di WhisperX su Amazon SageMaker AI per ottenere trascrizioni con etichettatura degli speaker e timestamp a livello di parola precisi. Gli autori spiegano come WhisperX migliori la conversione standard da voce a testo aggiungendo l'allineamento forzato e la diarizzazione, affrontando problemi comuni come timing inaccurato e mancanza di identificazione degli speaker nei carichi di lavoro professionali. La guida illustra due pattern di deployment: endpoint in tempo reale per clip interattive brevi (inferiori a 60 secondi) ed endpoint asincroni per file audio lunghi che elaborano i risultati tramite Amazon S3. Le considerazioni chiave per la produzione includono il blocco della versione specifica dell'AMI GPU per garantire la compatibilità, lo scaling del throughput aggiungendo istanze anziché concorrenza, e la configurazione dello scaling automatico a zero per l'efficienza dei costi negli scenari batch. L'articolo fornisce esempi di codice per creare modelli, configurare endpoint ed eseguire inferenze con dati multipart form. Evidenzia inoltre le best practice per la sicurezza degli artefatti S3, la gestione dei dati sensibili e il monitoraggio delle prestazioni utilizzando le metriche di CloudWatch.
aws