WhisperX ROCm 7.2.1版インストールガイド

WhisperX ROCm 7.2.1 セットアップガイド

AMD GPU（ROCm）環境でWhisperXを動作させるための手順まとめです。

もとはROCm7.2.0で動かしていましたが、7.2.1に変更しました

動作確認環境

• OS: Ubuntu 24.04.4 LTS
• GPU: AMD RYZEN AI MAX+ 395 w/ Radeon 8060S（gfx1151、48GB VRAM）
• ROCm: 7.2.1
• Python: 3.12.3

1. リポジトリのfork・clone

GitHubで paralin/whisperX-rocm をforkし、cloneします。

git clone [e-mail]:kotetsuy/whisperX-rocm.git ~/AIzunda/whisperX-rocm
cd ~/AIzunda/whisperX-rocm
git checkout -b rocm-nucbox-patch

2. PyTorch（ROCm版）のインストール

AMD公式リポジトリからROCm 7.2.1対応wheelを取得してインストールします。

# wheelをダウンロード
mkdir -p ~/AIzunda/wheels && cd ~/AIzunda/wheels
wget "https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2.1/torch-2.9.1%2Brocm7.2.1.lw.gitff65f5bc-cp312-cp312-linux_x86_64.whl"
wget "https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2.1/torchvision-0.24.0%2Brocm7.2.1.gitb919bd0c-cp312-cp312-linux_x86_64.whl"
wget "https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2.1/torchaudio-2.9.0%2Brocm7.2.1.gite3c6ee2b-cp312-cp312-linux_x86_64.whl"
wget "https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2.1/triton-3.5.1%2Brocm7.2.1.gita272dfa8-cp312-cp312-linux_x86_64.whl"

# インストール
pip3 install --break-system-packages \
  torch-2.9.1+rocm7.2.1.lw.gitff65f5bc-cp312-cp312-linux_x86_64.whl \
  torchvision-0.24.0+rocm7.2.1.gitb919bd0c-cp312-cp312-linux_x86_64.whl \
  torchaudio-2.9.0+rocm7.2.1.gite3c6ee2b-cp312-cp312-linux_x86_64.whl \
  triton-3.5.1+rocm7.2.1.gita272dfa8-cp312-cp312-linux_x86_64.whl

動作確認：

HSA_OVERRIDE_GFX_VERSION=11.5.1 python3 -c \
  "import torch; print(torch.__version__); print(torch.cuda.is_available())"
# 期待値: 2.9.1+rocm7.2.1... / True

3. CTranslate2（ROCm版）のビルド

paralin/ctranslate2-rocm をソースからビルドします。

git clone https://github.com/paralin/ctranslate2-rocm.git ~/AIzunda/ctranslate2-rocm
cd ~/AIzunda/ctranslate2-rocm
mkdir -p build && cd build

export HSA_OVERRIDE_GFX_VERSION=11.5.1
export AMDGPU_TARGETS=gfx1151

cmake .. -DWITH_HIP=ON -DWITH_MKL=OFF -DWITH_OPENBLAS=ON \
  -DCMAKE_HIP_ARCHITECTURES=gfx1151 -DCMAKE_BUILD_TYPE=Release \
  -DOPENMP_RUNTIME=COMP \
  -DCMAKE_HIP_COMPILER=/opt/rocm/lib/llvm/bin/clang++ \
  -DCMAKE_CXX_COMPILER=/opt/rocm/lib/llvm/bin/clang++ \
  -DCMAKE_C_COMPILER=/opt/rocm/lib/llvm/bin/clang \
  -DCMAKE_PREFIX_PATH=/opt/rocm -DBUILD_CLI=OFF

make -j$(nproc) && sudo make install

Pythonバインディングのインストール：

cd ~/AIzunda/whisperX-rocm
uv venv --python 3.12
export CTRANSLATE2_ROOT=/usr/local
uv pip install --reinstall pybind11 ~/AIzunda/ctranslate2-rocm/python

4. WhisperXのインストール

cd ~/AIzunda/whisperX-rocm
uv pip install -e .

5. 依存パッケージへのパッチ適用

インストール後、互換性パッチを適用します（patches/ ディレクトリ内のスクリプトを使用）。

cd ~/AIzunda/whisperX-rocm
bash patches/apply_all.sh

パッチ一覧

ファイル	内容
01-pyannote-audio-metadata-type.sh	pyannote io.py の型アノテーションを Any に変更
02-pyannote-list-audio-backends.sh	pyannote io.py のオーディオバックエンドを soundfile に固定
03-speechbrain-list-audio-backends.sh	speechbrain のオーディオバックエンドを soundfile に固定
04-pyannote-mixins-audio-metadata.sh	pyannote mixins.py の AudioMetaData を SimpleNamespace で代替
05-lightning-fabric-weights-only.sh	lightning_fabric の weights_only エラーを修正
06-pyannote-use-auth-token.sh	pyannote の use_auth_token → token に移行

6. 実行

export HSA_OVERRIDE_GFX_VERSION=11.5.1
export ROCM_PATH=/opt/rocm
export HIP_VISIBLE_DEVICES=0
export LD_LIBRARY_PATH=/usr/local/lib:/opt/rocm/lib:/opt/rocm/lib/llvm/lib:$LD_LIBRARY_PATH

# 基本の文字起こし
whisperx audio.wav --model small --language ja --device cuda --compute_type float16

# 話者区別あり
whisperx audio.wav --model large-v2 --language ja --compute_type float32 --diarize

GPU Architecture 対応表

GPU	アーキテクチャ	HSA_OVERRIDE_GFX_VERSION
RYZEN AI MAX+ 395 (Radeon 8060S)	gfx1151	11.5.1
RX 7900 XTX/XT	gfx1100	11.0.0
RX 7800/7700 XT	gfx1101	11.0.1
RX 7600	gfx1102	11.0.2
RX 6900/6800/6700	gfx1030	10.3.0

参考

• Qiita: WhisperX ROCm 7.2.0 インストール手順
• paralin/whisperX-rocm
• paralin/ctranslate2-rocm