AssemblyAI 优化 AWS 语音转文本成本

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

AssemblyAI 通过混合使用 EC2 On-Demand 和 Spot 实例，并利用 Amazon ECS、SQS 和 EventBridge 构建弹性架构，优化了其在 AWS 上的语音转文本推理成本，在欧洲 AWS 区域内实现成本降低并满足服务等级协议（SLA）。此举旨在解决完全使用 On-Demand 实例的高成本问题，因为 Spot 实例能提供显著节省，且 EC2 可在需要时以 2 分钟警告回收。AssemblyAI 的 API 提供转录、说话人检测、情感分析、章节检测和 PII 匿名化服务，该架构使用 Amazon ECS、EC2 Spot 实例和 SQS。

AI 根据报道生成 · 更新于 22 小时前

最新进展11月14日 03:35

AssemblyAI 如何在 AWS 上使用 EC2 Spot 实例优化语音转文本推理成本

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

03:35
AWS Machine Learning Blog
AssemblyAI 如何在 AWS 上使用 EC2 Spot 实例优化语音转文本推理成本
AssemblyAI 通过混合使用 AWS 的 EC2 On-Demand 和 Spot 实例，并利用 Amazon ECS、SQS 和 EventBridge 构建弹性架构，以 3.5 倍的速度提升 GPU 实例利用率，在欧洲 AWS 区域内实现成本降低并满足服务等级协议（SLA），其推理平台部署在 g4dn、g5、g6 三种 GPU 实例家族上。

本事件热度走势

可比范围当前: 5
可比范围峰值: 1011月14日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。