AWS 介绍 SageMaker AI 逐句流式语音合成方案

AWS Machine Learning Blog 发布教程，介绍把 Kokoro-82M 语音合成模型部署到 Amazon SageMaker AI 实时端点，并将 AI 智能体生成的每个句子即时送入模型合成，使音频在完整回复生成前就开始播放，而不必等整段文本完成。 该方案要求 Python 3.12 或更高版本、uv 和 Docker 来构建容器镜像。AWS 提示，示例容器固定了较旧版本的 PyTorch，存在已知安全公告 PYSEC-2026-2286（在 torch 2.10.0 中修复），用于非验证性用途前应检查并升级。 在传输方式上，AWS 称若前端已有可用的 SSE 文本管道，可在 SSE 事件中放入 base64 编码音频；若新建语音链路或以低延迟为优先，则统一二进制与 JSON 方式可省去相关开销并复用承载文本的连接。

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。