AWS 发布 SageMaker 流式语音合成教程

AWS 的 Joseph Cottingham 发布教程，演示如何在 Amazon SageMaker AI 上托管 Kokoro-82M 文本转语音模型，按句流式合成语音：AI 语音智能体生成第一句时就开始播放音频，不必等完整回复生成完毕。该模型仅 8200 万参数，可运行在单台 ml.g5.xlarge GPU 实例的实时端点上，容器同时提供 POST /invocations 和 WebSocket 双向流两条路由。 教程给出两种接入方式：前端已有文本 SSE 管线时，可在 SSE 事件中传 base64 编码音频；新建语音链路或优先考虑延迟时，用统一二进制与 JSON 方案复用承载文本的连接。 教程提示，示例容器固定了较旧版本的 PyTorch，存在已知漏洞 PYSEC-2026-2286（torch 2.10.0 已修复），非验证性用途前应检查并升级。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。