m-bain/whisperX

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

Aperta

#1440 aperta il 20 giu 2026

Vedi su GitHub
 (2 commenti) (0 reazioni) (0 assegnatari)Python (2387 fork)batch import
enhancementhelp wanted

Metriche repository

Star
 (23.680 stelle)
Metriche merge PR
 (Merge medio 61g 7h) (2 PR mergiate in 30 g)

Descrizione

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).

Guida contributor

Direzione di ricerca
Esplora l'implementazione di un'opzione use tmp file in load audio() per scrivere l'output di ffmpeg su un file temporaneo e poi leggere con np.fromfile(). Indaga la discussione originale in #1221 per contesto. Testa con audio lungo per misurare il risparmio di memoria.
Tech stack
python
Dominio
backend
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
2
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
1-3 ore
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
PythonNumPy
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
65