AWS 推出 WhisperX 深度学习容器：词级时间戳加说话人分离一键部署

AWS ML Blog · rss · 2026-09-25

AWS ML Blog 详解如何在 SageMaker AI 上部署 WhisperX 深度学习容器（DLC），解决通用语音转文本的两大痛点：时间戳只到句子级且无法区分说话人。

• WhisperX 能力：在 OpenAI Whisper 基础上加入批处理推理、wav2vec2 强制对齐（词级时间戳）与说话人分离（diarization），适用于呼叫中心、会议记录、媒体字幕（支持 SRT/VTT）与合规审计场景。
• 部署方式：GPU-ready 镜像自带全部模型权重，无需 Hugging Face token；支持实时端点（<60 秒短音频、同步返回）与异步端点（长音频、S3 进出、可缩容到零省钱）。
• 生产细节：必须固定 GPU AMI 版本 al2-ami-sagemaker-inference-gpu-3-1，否则容器无法启动；实例可选 ml.g4dn.xlarge（省钱）或 ml.g5.2xlarge；通过增加实例而非并发来扩吞吐。AWS Samples 仓库提供可运行的端到端 JupyterLab notebook。

原文链接 →

「编程与Agent」频道最新

• 两人 AI 小组一个季度完成五人团队两季度才立项的三个项目 — alex_verem · 2026-09-25
• 「vibecoding 已死」引争议:语音指挥 AI 智能体生成 macOS 应用 — jasonkneen · 2026-09-25
• 文件系统是 AI Agent 新原语?三大坑与一个工作区方案 — pilver7 · 2026-09-25
• DCI 论文入选 NeurIPS 2026:不建索引的 grep 式 Agent 搜索反而更强 — yuz9yuz · 2026-09-25
• 让无视觉的廉价模型在像素世界里建造与交易,Chromafolk 实验 — Runiten · 2026-09-25
• AI Agent 连跑两周半花 600 美元,CUDA 重写 PDAL 提速 2.5-14 倍 — ctjlewis · 2026-09-25

更多「编程与Agent」频道 AI 资讯 →