zhangkaifang/whisperx 封装 WhisperX 流水线，支持多语言 ASR、VAD 与 diarization，通过 HTTP 或 CLI 提交音频文件获得带时间轴的文本。必须 --gpus all 或等价 CUDA 环境，CPU-only 模式极慢或不可用。与 OpenAI Whisper API 相比可本地处理敏感录音，但显存与镜像体积大，不适合无 GPU 的 Kubernetes Deployment 长期副本；正确路径是 GPU 工作站交互调试或通过带 nvidia.com/gpu 的 Job 批处理。

快速启动

docker run --rm --gpus all \
  -p 7860:7860 \
  docker.io/zhangkaifang/whisperx:latest

推荐实践

docker run -d --name whisperx \
  --gpus all --restart unless-stopped \
  -p 7860:7860 \
  -v /data/audio:/input \
  -v /data/output:/output \
  -e CUDA_VISIBLE_DEVICES=0 \
  docker.io/zhangkaifang/whisperx:3.1.1

核心参数说明

• --gpus all — 启用 CUDA 推理
• -p 7860:7860 — Gradio/Web 推理界面
• -v /data/audio:/input — 待转写音频目录
• -v /data/output:/output — 字幕与 JSON 输出
• -e CUDA_VISIBLE_DEVICES — 指定 GPU 编号
• 部署 — 生产请用 GPU 节点 Job，非裸 CPU Pod