m-bain/whisperX

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

Aberta

#1.440 aberto em 20 de jun. de 2026

Ver no GitHub
 (2 comentários) (0 reação) (0 responsável)Python (2.386 forks)batch import
enhancementhelp wanted

Métricas do repositório

Stars
 (23.718 estrelas)
Métricas de merge de PR
 (Métricas PR pendentes)

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).

Guia do colaborador

Direção de pesquisa
Explore a implementação de uma opção use tmp file em load audio() para gravar a saída do ffmpeg em um arquivo temporário e depois ler com np.fromfile(). Investigue a discussão original em #1221 para contexto. Teste com áudio longo para medir a economia de memória.
Pilha de tecnologia
python
Domain
backend
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
2
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-3 horas
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
PythonNumPy
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
65