AWS 发布 SageMaker AI 流式语音合成教程

AWS Machine Learning Blog 发布教程，介绍在 Amazon SageMaker AI 实时端点上部署 Kokoro-82M 语音合成模型，把 AI 智能体生成的每个句子即时送入模型，让音频在首句生成后就开始播放，而不必等完整回复。该模型仅 8200 万参数，可在单台 ml.g5.xlarge GPU 实例上低成本运行；容器提供 POST /invocations 和 WebSocket 双向流两条路径。 教程提示，示例容器固定的是旧版 PyTorch，存在已知漏洞 PYSEC-2026-2286（在 torch 2.10.0 中修复），用于非概念验证场景前应检查并升级。教程还称，若前端已有可用的文本 SSE 管道，在 SSE 事件中传 base64 音频更省事；若新建语音链路或优先考虑延迟，则统一二进制与 JSON 方式可复用承载文本的连接。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。