AWS 发布 SageMaker 流式语音合成教程

AWS Machine Learning Blog 发布工程教程，介绍如何在 Amazon SageMaker AI 的实时端点上部署 Kokoro-82M 语音模型，让 AI 智能体每生成一句就立即送入合成，语音从第一句开始输出，无需等整段回复生成完毕。该模型仅有 8200 万参数，可运行在单台 ml.g5.xlarge GPU 实例上，容器同时提供 POST /invocations 与 WebSocket 双向流两条路径。 教程提示，示例容器固定使用带已知漏洞 PYSEC-2026-2286 的旧版 PyTorch（该漏洞在 torch 2.10.0 中修复），用于非概念验证场景前应先审查并升级。传输方式上，教程称若前端已有可用的 SSE 文本管道，在 SSE 事件中传 base64 音频是务实选择；若新建语音链路或优先考虑延迟，统一二进制与 JSON 方案可省去两项开销并复用已承载文本的连接。

AI 根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。