用 WhisperX 在 SageMaker AI 上实现带说话人标签的语音转写
Speaker-labeled transcription with WhisperX on SageMaker AI
AWS 出了个现成的 WhisperX 容器，一键部署到 SageMaker 就能拿到带说话人标注的逐词转写，还讲了扩缩和省钱细节。
AWS 推出 WhisperX 深度学习容器，把 Whisper、wav2vec2 强制对齐和说话人分离打包成可直接部署的 GPU 镜像。
文章演示如何部署到 Amazon SageMaker AI 的实时与异步端点，输出词级、带说话人标签的转写结果。文中还给出 GPU AMI 版本锁定、自动扩缩和成本控制等生产部署细节。
Speaker-labeled transcription with WhisperX on SageMaker AI
The AWS WhisperX Deep Learning Container packages Whisper, wav2vec2 forced alignment, and speaker diarization into a GPU-ready image. Learn how to deploy it to Amazon SageMaker AI real-time and asynchronous endpoints for word-level, speaker-labeled transcription, plus the production details that matter: the GPU AMI pin, scaling, and cost controls.
本条情报归属 AITOP「技巧」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：WhisperX、SageMaker、AWS、语音识别，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始信息发布自一手权威信源「AWS Machine Learning Blog」（Tier-1 一手发布），具备高确定性参考价值。
