Whisperx Docker部署报错：TranscriptionOptions缺失3个必填参数

问题描述 #

在Mac mini M2的VSCode中使用Whisperx提取音频文本，不设置transcription_options时运行正常；但通过Docker（--platform=linux/arm64 python:3.10）部署时，触发TypeError，提示TranscriptionOptions.__new__()缺少max_new_tokens、clip_timestamps和hallucination_silence_threshold三个必填参数。已尝试手动添加这些参数，但问题仍未解决，且使用的是最新版Whisperx。

报错栈 #

2024-03-20 22:23:15 test-1  | Traceback (most recent call last):
2024-03-20 22:23:15 test-1  |     import speech
2024-03-20 22:23:15 test-1  |   File "/code/speech.py", line 274, in <module>
2024-03-20 22:23:15 test-1  |   File "/code/speech.py", line 69, in get_speeach_to_text
2024-03-20 22:23:15 test-1  |     model = whisperx.load_model("medium", device, compute_type=compute_type)
2024-03-20 22:23:15 test-1  |   File "/usr/local/lib/python3.10/site-packages/whisperx/asr.py", line 332, in load_model
2024-03-20 22:23:15 test-1  |     default_asr_options = faster_whisper.transcribe.TranscriptionOptions(**default_asr_options)
2024-03-20 22:23:15 test-1  | TypeError: TranscriptionOptions.__new__() missing 3 required positional arguments: 'max_new_tokens', 'clip_timestamps', and 'hallucination_silence_threshold'

修改后的代码 #

import whisperx
import faster_whisper

# 定义包含必填参数的TranscriptionOptions
transcription_options = faster_whisper.transcribe.TranscriptionOptions(
    beam_size=4,
    best_of=1,
    patience=10,
    length_penalty=0.6,
    repetition_penalty=1.2,
    no_repeat_ngram_size=2,
    log_prob_threshold=-20,
    no_speech_threshold=0.5,
    compression_ratio_threshold=0.5,
    condition_on_previous_text=False,
    prompt_reset_on_temperature=True,
    temperatures=[0.7],
    initial_prompt="",
    prefix="",
    suppress_blank=False,
    suppress_tokens=False,
    without_timestamps=True,
    max_initial_timestamp=60,
    word_timestamps=False,
    prepend_punctuations="",
    append_punctuations="",
    max_new_tokens=50,
    clip_timestamps=60,
    hallucination_silence_threshold=0.5
)

device = "cpu"
batch_size = 16  # GPU内存不足时可减小
compute_type = "int8"

# 加载模型并转写音频
model = whisperx.load_model("medium", device, compute_type=compute_type)

audio = whisperx.load_audio(source_audio_file)
result = model.transcribe(audio, language='en', task='translate', batch_size=batch_size, transcription_options=transcription_options)

问题根源与解决方法 #

根源 #

报错发生在whisperx.load_model内部初始化默认配置的环节，核心原因是Docker环境中faster-whisper版本与本地Mac环境不一致：

• 本地Mac环境的faster-whisper版本较低，max_new_tokens等三个参数为可选；
• Docker中安装的faster-whisper为最新版，将这三个参数设为必填，但当前使用的Whisperx版本未适配该变化，导致构建默认TranscriptionOptions时缺少参数。

解决步骤 #

1. 锁定faster-whisper兼容版本：在项目的requirements.txt中添加faster-whisper==0.10.0（该版本不要求这三个参数为必填，且与最新版Whisperx兼容）。
2. 更新Docker构建流程：确保Docker镜像构建时安装指定版本的依赖，避免自动拉取最新版faster-whisper。
3. 恢复原有代码逻辑：使用兼容版本后，无需手动定义transcription_options，本地正常运行的代码在Docker中也能直接生效。

验证方式：在Docker容器内执行pip show faster-whisper查看版本，若为0.11.x及以上则是问题版本，降级后重新运行即可。

内容的提问来源于stack exchange，提问作者AJ152