在 SageMaker AI 上使用 WhisperX 实现带说话人标签的语音转录

AWS 推出 WhisperX 深度学习容器，可在 Amazon SageMaker AI 上部署带逐词时间戳和说话人标签的语音转录服务。该容器基于 OpenAI Whisper，集成 wav2vec2 强制对齐与说话人分离，支持 json、srt、vtt 等输出格式，无需自建镜像。实时端点适用于 60 秒内的短音频，异步端点适用于长音频与批量任务。