Transkrypcja z identyfikacją mówców na SageMaker AI

AWS WhisperX to gotowy kontener deep learning'owy, który łączy Whisper, wav2vec2 forced alignment i speaker diarization w jednym GPU-ready obrazie. Artykuł pokazuje, jak wdrożyć to do Amazon SageMaker AI endpoints i uzyskać transkrypcje na poziomie słowa z przypisanymi mówcami, plus praktyczne detale: pinowanie GPU AMI, skalowanie i kontrola kosztów.