ghcr.io/jim60105/whisperx:tiny-tl-c56400f

docker-whisperX

这是WhisperX的Docker镜像：社区版带词级时间戳（和说话人区分）的自动语音识别工具。

本项目的目标是在GitHub Free运行器上高效管理每周的持续集成Docker构建工作流。这包括并行构建175个Docker镜像，每个镜像大小为10GB。为确保平稳运行，我专注于高效利用Docker层缓存、最大化层复用、仔细管理缓存读写顺序以防止问题，并优化以最小化镜像大小和构建时间。

此外，出于个人偏好，我致力于尽我所能遵循最佳实践、行业标准和政策。

可在GitHub获取Dockerfile，或从ghcr.io拉取镜像。

🚀 准备支持GPU的Docker环境

Windows

安装Docker Desktop、CUDA Toolkit、NVIDIA Windows驱动程序，并确保Docker使用WSL2运行后，即可开始使用。

以下是官方文档供进一步参考：https://docs.nvidia.com/cuda/wsl-user-guide/index.html#nvidia-compute-software-support-on-wsl-2 https://docs.docker.com/desktop/wsl/use-wsl/#gpu-support

Linux, OSX

如果尚未安装NVIDIA GPU驱动程序，请先安装：https://docs.nvidia.com/datacenter/tesla/tesla-installation-notes/index.html

按照以下指南安装NVIDIA Container Toolkit：https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html

我有一篇关于此主题的中文博客：Fedora/RHEL的Podman GPU配置笔记

使用命令

将当前目录挂载为 /app 并使用额外的输入参数运行 WhisperX：

docker run --gpus all -it -v ".:/app" whisperx:large-v3-ja -- --output_format srt audio.mp3

请记住在参数前添加 --。--model 和 --language 参数已在 Dockerfile 中定义，无需指定。

• LANG：要转录的语言。默认值为 en。请参见 https://github.com/jim60105/docker-whisperX/blob/master/load_align_model.py。
• WHISPER_MODEL：模型名称。默认值为 base。请参见 https://huggingface.co/Systran 了解支持的模型。

如果需要多语言对齐，在构建镜像时使用空格分隔的语言列表 "LANG=pl fr en"。另请注意，WhisperX 在处理同一音频文件中的多种语言时表现不佳。即使不提供语言参数，它仍会识别语言（或回退到 en）并用于选择对齐模型。对齐模型是特定于语言的。此说明仅用于将多个对齐模型嵌入到 docker 镜像中。

构建命令

例如，如果要构建包含 en 语言和 large-v3 模型的镜像：

docker build --build-arg LANG=en --build-arg WHISPER_MODEL=large-v3 -t whisperx:large-v3-en .

如果要构建不包含任何预下载模型的镜像：

docker build --target no_model -t whisperx:no_model .

如果要一次性构建所有镜像，我们提供了 Docker bake 文件：

docker buildx bake build no_model

使用命令

将当前目录挂载为 /app 并使用额外的输入参数运行 WhisperX：

docker run --gpus all -it -v ".:/app" whisperx:large-v3-ja -- --output_format srt audio.mp3

[!NOTE] 请记住在参数前添加 --。--model 和 --language 参数在 Dockerfile 中已定义，无需指定。

📝 LICENSE

主程序 WhisperX 根据 https://github.com/m-bain/whisperX/blob/main/LICENSE 分发。 有关源代码和许可证的访问，请查阅其仓库。

本仓库中的 Dockerfile 和 CI 工作流文件根据 MIT 许可证 授权。