AWS 發布 SageMaker AI WhisperX 說話者標記轉錄指南

AWS 於 2026 年 9 月 24 日發布《Speaker-labeled transcription with WhisperX on SageMaker AI》，說明如何在 Amazon SageMaker AI 上部署 WhisperX，建立帶有說話者標記的語音轉錄流程。這篇指南聚焦於部署與正式環境操作，而非單獨介紹一個新的轉錄模型。

AWS WhisperX 深度學習容器將 Whisper、wav2vec2 強制對齊及說話者分離整合在 GPU 就緒映像中。指南說明如何將容器部署至 SageMaker AI 即時端點或非同步端點，輸出逐字層級、並標示不同說話者的轉錄結果。

除了部署流程，指南也涵蓋 GPU AMI 版本固定、擴縮及成本控制等正式環境考量。這些內容把焦點從模型推論延伸至服務如何配置與管理；指南提供的是部署操作資訊，並未在所提供的公告摘要中列出特定效能或成本數字。

這篇文章也延續 AWS 在 SageMaker AI 上展示不同生成式 AI 工作負載的技術指南。AWS 於 9 月 28 日介紹以 vLLM-Omni 串流生成 Qwen3-TTS 語音，並於 9 月 30 日展示以同一容器流程部署影像與影片生成模型。WhisperX 指南則將應用焦點放在語音轉錄、時間對齊與說話者辨識。