Транскрипция с метками говорящих с помощью WhisperX в SageMaker AI
aws ·
В этой статье блога AWS описывается развертывание контейнера глубокого обучения WhisperX на платформе Amazon SageMaker AI для получения транскрипции с метками говорящих и точными временными метками на уровне слов. Авторы объясняют, как WhisperX улучшает стандартное преобразование речи в текст за счет принудительного выравнивания и диаризации, решая такие распространенные проблемы, как неточная синхронизация времени и отсутствие идентификации говорящих в профессиональных задачах. В руководстве демонстрируются два варианта развертывания: конечные точки реального времени для коротких интерактивных клипов длительностью до 60 секунд и асинхронные конечные точки для длинных аудиофайлов, результаты обработки которых передаются через Amazon S3. Ключевые аспекты производственного развертывания включают фиксацию конкретной версии GPU AMI для обеспечения совместимости, масштабирование пропускной способности путем добавления экземпляров, а не параллельных запросов, и настройку автоматического масштабирования до нуля для повышения экономической эффективности в пакетных сценариях. Статья содержит примеры кода для создания моделей, настройки конечных точек и вызова вывода данных с использованием форматов multipart form data. Также выделяются лучшие практики по защите артефактов в S3, обработке конфиденциальных данных и мониторингу производительности с помощью метрик CloudWatch.
aws