m-bain/whisperX

Potential optimisation: temp-file mode for load_audio() to reduce memory on long audio

Ouverte

#1 440 ouverte le 20 juin 2026

Voir sur GitHub
 (2 commentaires) (0 réaction) (0 personne assignée)Python (2 386 forks)batch import
enhancementhelp wanted

Métriques du dépôt

Stars
 (23 718 étoiles)
Métriques de merge PR
 (Métriques PR en attente)

Description

load_audio() currently buffers the entire ffmpeg output in Python memory via subprocess.run(capture_output=True). For very long audio (10h+ ≈ 1.15 GB raw PCM), this can cause OOM on constrained systems since the Python bytes buffer, numpy view, and float32 copy all coexist at peak.

A use_tmp_file=True option could write ffmpeg output to a temp file instead of piping to stdout, then read with np.fromfile(), keeping the raw PCM out of Python's heap entirely.

Originally proposed in #1221 (bundled with unrelated dep changes that have since landed).

Guide contributeur

Direction de recherche
Explorez l'implémentation d'une option use tmp file dans load audio() pour écrire la sortie ffmpeg dans un fichier temporaire, puis lire avec np.fromfile(). Enquêtez sur la discussion originale dans #1221 pour le contexte. Testez avec un long audio pour mesurer l'économie de mémoire.
Stack technique
python
Domaine
backend
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
2
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonNumPy
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
65