from PyAnnote.audio import Pipeline

def model_fn(model_dir):
# Load the model from the specified model directory
model = Pipeline.from_pretrained(
"PyAnnote/speaker-diarization-3.1",
use_auth_token="Replace-with-the-Hugging-face-auth-token")
return model

with open("model/code/requirements.txt", "w") as f:
    f.write("transformers==4.25.1n")
    f.write("boto3n")
    f.write("PyAnnote.audion")
    f.write("soundfilen")
    f.write("librosan")
    f.write("onnxruntimen")
    f.write("wgetn")
    f.write("pandas")

!tar zcvf model.tar.gz *

import sagemaker
import boto3

sess = sagemaker.Session()

sagemaker_session_bucket = None
if sagemaker_session_bucket is None and sess is not None:
    sagemaker_session_bucket = sess.default_bucket()

try:
    role = sagemaker.get_execution_role()
except ValueError:
    iam = boto3.client("iam")
    role = iam.get_role(RoleName="sagemaker_execution_role")["Role"]["Arn"]

sess = sagemaker.Session(default_bucket=sagemaker_session_bucket)

print(f"sagemaker role arn: {role}")
print(f"sagemaker bucket: {sess.default_bucket()}")
print(f"sagemaker session region: {sess.boto_region_name}")

s3_location = f"s3://{sagemaker_session_bucket}/whisper/model/model.tar.gz"
!aws s3 cp model.tar.gz $s3_location

from sagemaker.huggingface.model import HuggingFaceModel
from sagemaker.async_inference.async_inference_config import AsyncInferenceConfig
from sagemaker.s3 import s3_path_join
from sagemaker.utils import name_from_base

async_endpoint_name = name_from_base("custom-asyc")

# create Hugging Face Model Class
huggingface_model = HuggingFaceModel(
    model_data=s3_location,  # path to your model and script
    role=role,  # iam role with permissions to create an Endpoint
    transformers_version="4.17",  # transformers version used
    pytorch_version="1.10",  # pytorch version used
    py_version="py38",  # python version used
)

# create async endpoint configuration
async_config = AsyncInferenceConfig(
    output_path=s3_path_join(
        "s3://", sagemaker_session_bucket, "async_inference/output"
    ),  # Where our results will be stored
    # Add nofitication SNS if needed
    notification_config={
        # "SuccessTopic": "PUT YOUR SUCCESS SNS TOPIC ARN",
        # "ErrorTopic": "PUT YOUR ERROR SNS TOPIC ARN",
    },  #  Notification configuration
)

env = {"MODEL_SERVER_WORKERS": "2"}

# deploy the endpoint endpoint
async_predictor = huggingface_model.deploy(
    initial_instance_count=1,
    instance_type="ml.xx",
    async_inference_config=async_config,
    endpoint_name=async_endpoint_name,
    env=env,
)

# Replace with a path to audio object in S3
from sagemaker.async_inference import WaiterConfig
res = async_predictor.predict_async(data=data)
print(f"Response output path: {res.output_path}")
print("Start Polling to get response:")

config = WaiterConfig(
  max_attempts=10, #  number of attempts
  delay=10#  time in seconds to wait between attempts
  )
res.get_result(config)
#import waiterconfig

[0.9762308998, 8.9049235993, "SPEAKER_01"]

[9.533106961, 12.1646859083, "SPEAKER_01"]

[13.1324278438, 13.9303904924, "SPEAKER_00"]

[14.3548387097, 26.1884550085, "SPEAKER_00"]

[27.2410865874, 28.2258064516, "SPEAKER_01"]

[28.3446519525, 31.298811545, "SPEAKER_01"]

# Common class representing application autoscaling for SageMaker 
client = boto3.client('application-autoscaling') 

# This is the format in which application autoscaling references the endpoint
resource_id='endpoint/' + <endpoint_name> + '/variant/' + <'variant1'> 

# Define and register your endpoint variant
response = client.register_scalable_target(
    ServiceNamespace='sagemaker', 
    ResourceId=resource_id,
    ScalableDimension='sagemaker:variant:DesiredInstanceCount', # The number of EC2 instances for your Amazon SageMaker model endpoint variant.
    MinCapacity=0,
    MaxCapacity=5
)

আপনি যদি শেষ পয়েন্টটি মুছতে চান তবে নিম্নলিখিত কোডটি ব্যবহার করুন:

async_predictor.delete_endpoint(async_endpoint_name)

অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্ট স্থাপনের সুবিধা

এই সমাধান নিম্নলিখিত সুবিধা প্রদান করে:

• সমাধানটি দক্ষতার সাথে একাধিক বা বড় অডিও ফাইল পরিচালনা করতে পারে।
• এই উদাহরণটি প্রদর্শনের জন্য একটি একক উদাহরণ ব্যবহার করে। আপনি যদি শত শত বা হাজার হাজার ভিডিওর জন্য এই সমাধানটি ব্যবহার করতে চান এবং একাধিক দৃষ্টান্ত জুড়ে প্রক্রিয়া করার জন্য একটি অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্ট ব্যবহার করতে চান তবে আপনি একটি ব্যবহার করতে পারেন স্বয়ংক্রিয় স্কেলিং নীতি, যা বিপুল সংখ্যক উৎস নথির জন্য ডিজাইন করা হয়েছে। অটো স্কেলিং আপনার কাজের চাপে পরিবর্তনের প্রতিক্রিয়া হিসাবে একটি মডেলের জন্য প্রবিধানের সংখ্যা গতিশীলভাবে সামঞ্জস্য করে।
• সমাধানটি রিয়েল-টাইম ইনফারেন্স থেকে দীর্ঘ-চলমান কাজগুলিকে আলাদা করে সংস্থানগুলিকে অপ্টিমাইজ করে এবং সিস্টেমের লোড হ্রাস করে।

উপসংহার

এই পোস্টে, আমরা পাইথন স্ক্রিপ্ট ব্যবহার করে SageMaker-এ Hugging Face-এর স্পিকার ডায়েরাইজেশন মডেল স্থাপন করার জন্য একটি সরল পদ্ধতি প্রদান করেছি। একটি অ্যাসিঙ্ক্রোনাস এন্ডপয়েন্ট ব্যবহার করে একটি পরিষেবা হিসাবে ডায়েরাইজেশন পূর্বাভাস প্রদান করার জন্য একটি দক্ষ এবং মাপযোগ্য উপায় প্রদান করে, সমকালীন অনুরোধগুলিকে নির্বিঘ্নে মিটমাট করে।

আপনার অডিও প্রকল্পগুলির জন্য অ্যাসিঙ্ক্রোনাস স্পিকার ডায়েরাইজেশনের সাথে আজই শুরু করুন৷ আপনার নিজের অ্যাসিঙ্ক্রোনাস ডায়েরাইজেশন এন্ডপয়েন্ট আপ এবং চালানোর বিষয়ে আপনার কোনো প্রশ্ন থাকলে মন্তব্যে যোগাযোগ করুন।

লেখক সম্পর্কে

সঞ্জয় তিওয়ারি একজন স্পেশালিস্ট সলিউশন আর্কিটেক্ট AI/ML যিনি কৌশলগত গ্রাহকদের সাথে ব্যবসার প্রয়োজনীয়তা নির্ধারণ করতে, নির্দিষ্ট ব্যবহারের ক্ষেত্রে L300 সেশন প্রদান করতে এবং AI/ML অ্যাপ্লিকেশান এবং পরিসেবাগুলিকে পরিমাপযোগ্য, নির্ভরযোগ্য এবং পারফরম্যান্ট ডিজাইন করতে তার সময় ব্যয় করেন। তিনি এআই/এমএল চালিত অ্যামাজন সেজমেকার পরিষেবা চালু ও স্কেল করতে সাহায্য করেছেন এবং অ্যামাজন এআই পরিষেবাগুলি ব্যবহার করে ধারণার বেশ কয়েকটি প্রমাণ বাস্তবায়ন করেছেন। ডিজিটাল ট্রান্সফরমেশন যাত্রার অংশ হিসেবে তিনি উন্নত বিশ্লেষণ প্ল্যাটফর্মও তৈরি করেছেন।

কিরণ চাল্লাপল্লী AWS পাবলিক সেক্টরের সাথে একটি গভীর প্রযুক্তি ব্যবসা বিকাশকারী। তার এআই/এমএল-এ 8 বছরেরও বেশি অভিজ্ঞতা এবং 23 বছরের সামগ্রিক সফ্টওয়্যার বিকাশ এবং বিক্রয় অভিজ্ঞতা রয়েছে। কিরন সারা ভারত জুড়ে পাবলিক সেক্টরের ব্যবসাগুলিকে ক্লাউড-ভিত্তিক সমাধানগুলি অন্বেষণ করতে এবং সহ-তৈরি করতে সাহায্য করে যা AI, ML, এবং জেনারেটিভ AI-সহ বড় ভাষা মডেলগুলি-প্রযুক্তিগুলি ব্যবহার করে৷