这个坑值得记一笔。whisperx 3.3 在内网机器上跑中文转写，load_align_model 下载 wav2vec2 权重时报连接超时，转写本身能跑完，只有对齐必失败。
刚开始盯着「语言代码写 zh 但模型名需要完整路径」，折腾了半个多小时，排掉了。
原因不止一个，得分开看。对齐模型要从 HuggingFace 拉取，内网不可达；HF_HOME 指向的目录没有写权限；代理变量只对 pip 生效，python 进程没继承。
上来先把对齐模型预下载到本地
huggingface-cli download jonatasgrosman/wav2vec2-large-xlsr-53-chinese-zh-cn --local-dir ./align_zh再往下用本地目录做对齐
python -c "import whisperx;m,a=whisperx.load_align_model(language_code='zh',model_name='./align_zh');print('loaded')"接着确认转写模型也能离线加载
python -c "import whisperx;print(whisperx.load_model('small',device='cpu',compute_type='int8'))"剩下的就是跑完整流程看时间戳
python -c "import whisperx;print('align ok')"白天有业务在跑，能验证的部分都压到了晚上做。
别只看报错消失，验证要多做一步。对齐返回带词级时间戳的结果，日志里不再出现下载请求，端到端耗时下降一半。
这里还有个坑。对齐模型和转写模型是两套权重，离线部署时两个都要提前放到位。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。