AWS Lambda部署ECR镜像时导入stable-ts库卡住求助

你遇到的问题是AWS Lambda中导入stable-ts库时卡住，本地运行正常，核心原因大概率是FFmpeg路径未正确配置或Lambda运行环境资源不足，以下是针对性解决方法：

1. 确保FFmpeg可被Lambda环境找到 #

stable-ts依赖FFmpeg进行音频处理，你的Dockerfile虽然编译了FFmpeg，但未将其路径加入Lambda的环境变量PATH，导致导入库时FFmpeg检测流程停滞。

解决步骤： #

在Dockerfile的最终阶段添加环境变量配置：

# Final image with code and dependencies
FROM lambda-base

# 将FFmpeg的bin目录加入系统PATH
ENV PATH="/ffmpeg_sources/bin:$PATH"

COPY myfunction.py /var/task/

CMD ["myfunction.lambda_handler"]

或者在代码中手动设置PATH（作为临时验证）：

import os
os.environ['PATH'] += ':/ffmpeg_sources/bin'

import json
import boto3
import requests
import numpy
print("All imports ok 1 ...")

from stable_whisper import load_model
print("All imports ok 2 ...")

2. 优化Dockerfile多阶段构建（减少冗余&权限问题） #

当前Dockerfile的多阶段构建逻辑存在冗余，编译FFmpeg的步骤应该独立为builder阶段，再将编译好的FFmpeg复制到基础镜像中，避免不必要的文件占用和权限问题：

# 独立构建FFmpeg的builder阶段
FROM public.ecr.aws/lambda/python:3.8 as builder

WORKDIR /ffmpeg_sources
RUN yum install autoconf automake bzip2 bzip2-devel cmake libxcb libxcb-devel \
    freetype-devel gcc gcc-c++ git libtool make pkgconfig zlib-devel -y -q

# 编译NASM
RUN curl -OL https://www.nasm.us/pub/nasm/releasebuilds/2.15.05/nasm-2.15.05.tar.bz2
RUN tar xjvf nasm-2.15.05.tar.bz2
RUN cd nasm-2.15.05 && sh autogen.sh && \
    ./configure --prefix="/ffmpeg_sources/ffmpeg_build" \
    --bindir="/ffmpeg_sources/bin" && \
    make && make install

# 编译Yasm
RUN curl -OL https://www.tortall.net/projects/yasm/releases/yasm-1.3.0.tar.gz
RUN tar xzvf yasm-1.3.0.tar.gz
RUN cd yasm-1.3.0 && \
    ./configure --prefix="/ffmpeg_sources/ffmpeg_build" \
    --bindir="/ffmpeg_sources/bin" && \
    make && make install

# 编译FFmpeg
RUN curl -OL https://ffmpeg.org/releases/ffmpeg-snapshot.tar.bz2
RUN tar xjvf ffmpeg-snapshot.tar.bz2
RUN cd ffmpeg && \
    export PATH="/ffmpeg_sources/bin:$PATH" && \
    export PKG_CONFIG_PATH="/ffmpeg_sources/ffmpeg_build/lib/pkgconfig" && \
    ./configure \
    --prefix="/ffmpeg_sources/ffmpeg_build" \
    --pkg-config-flags="--static" \
    --extra-cflags="-I/ffmpeg_sources/ffmpeg_build/include" \
    --extra-ldflags="-L/ffmpeg_sources/ffmpeg_build/lib" \
    --extra-libs=-lpthread \
    --extra-libs=-lm \
    --enable-libxcb \
    --bindir="/ffmpeg_sources/bin" && \
    make && \
    make install

# 最终镜像：仅复制必要文件
FROM public.ecr.aws/lambda/python:3.8

COPY requirements.txt ./
RUN pip3 install -r requirements.txt

# 从builder阶段复制编译好的FFmpeg到系统可执行路径
COPY --from=builder /ffmpeg_sources/bin/ffmpeg /usr/bin/
COPY --from=builder /ffmpeg_sources/bin/ffprobe /usr/bin/

COPY myfunction.py /var/task/

CMD ["myfunction.lambda_handler"]

3. 调整Lambda资源配置 #

Lambda默认128MB内存可能不足以支撑stable-ts及其依赖库的导入初始化，建议：

• 将Lambda内存调整至512MB或1GB
• 将超时时间设置为30秒以上（避免导入过程中因超时被终止）

4. 升级Python版本 #

Python 3.8已接近生命周期结束，stable-ts对高版本Python（3.9/3.10）的兼容性更好，可将Dockerfile基础镜像更换为：

FROM public.ecr.aws/lambda/python:3.10 as builder
# 后续阶段同步更换为3.10镜像

5. 验证FFmpeg可用性 #

在代码中添加FFmpeg验证步骤，确认环境中FFmpeg可正常调用：

import subprocess
import os

# 先验证FFmpeg是否存在
try:
    result = subprocess.run(['ffmpeg', '-version'], capture_output=True, timeout=5)
    print("FFmpeg version:", result.stdout.decode())
except Exception as e:
    print("FFmpeg error:", str(e))

import json
import boto3
import requests
import numpy
print("All imports ok 1 ...")

from stable_whisper import load_model
print("All imports ok 2 ...")

内容的提问来源于stack exchange，提问作者Mohamed Gamea