在 SageMaker AI 上使用 WhisperX 进行说话人标注转录
aws ·
这篇 AWS 博客文章详细介绍了在 Amazon SageMaker AI 上部署 WhisperX 深度学习容器,以实现带有精确词级时间戳的说话人标注转录。作者解释了 WhisperX 如何通过增加强制对齐和说话人分离(diarization)来增强标准的语音转文本功能,从而解决专业工作负载中常见的计时不准确和缺失说话人识别等问题。指南展示了两种部署模式:用于处理 60 秒以下短交互片段的实时端点,以及通过 Amazon S3 处理结果以处理长音频文件的异步端点。关键的生产注意事项包括固定特定的 GPU AMI 版本以确保兼容性、通过添加实例而非并发来扩展吞吐量,以及在批处理场景中配置自动扩缩容至零以实现成本效率。文章提供了创建模型、配置端点以及使用多部分表单数据调用推理的代码示例。它还强调了保护 S3 工件、处理敏感数据以及使用 CloudWatch 指标监控性能的最佳实践。
aws