Развернуть AI модель на сервисе runpod.io

1. Описание проекта

Требуется развернуть предобученную модель pyannote/speaker-diarization-3.1 (ссылка) на сервисе RunPod.io с использованием его serverless возможностей.

Задачи модели:

• Принимать аудиофайл в формате WAV.
• Выполнять диаризацию речи: определять временные интервалы и идентифицировать говорящих.
• Возвращать JSON-объект с разметкой говорящих.

Документация по RunPod serverless: docs.runpod.io/serverless/overview

2. Ожидаемый результат

• Готовый рабочий serverless endpoint, который можно вызывать через API для анализа аудиофайлов.
• Подробные инструкции по развертыванию и эксплуатации.
• Исходный код проекта в репозитории (GitHub или другой удобный вариант).
• Пример запроса и ответа API для проверки работы.

3. Функциональные требования

• Формат входных данных:
  • HTTP API с возможностью загрузки аудиофайла по ссылке на файл в облаке (S3-совместимое хранилище).
• Формат выходных данных:JSON с разметкой говорящих, например:

  {
  
    "segments": [
  
      {"start": 0.0, "end": 3.2, "speaker": "spk_0"},
  
      {"start": 3.5, "end": 6.8, "speaker": "spk_1"}
  
    ]
  
  }
  
  

4. Инструкция по развертыванию

Ожидается README.md, включающий:

• Как задеплоить на RunPod.io.
• Как сделать API-запрос и интерпретировать ответ.
• Пример кода на github или альтернативные варианты

5. Критерии приёмки

• Корректная работа API (принимает ссылки на файлы, корректно обрабатывает, выдаёт разметку).
• Наличие подробной инструкции.
• Код оформлен и документирован.

🚀 Готов к обсуждению деталей и возможному расширению ТЗ!