AWS 发布 Kokoro TTS 低延迟语音流式合成教程

AWS Machine Learning Blog 发布教程，介绍如何在 Amazon SageMaker AI 上部署 Kokoro-82M 文本转语音模型，把 AI 智能体生成的每个句子即时流式合成为语音，让音频在完整回复生成前就开始播放。 教程将模型运行在 ml.g5.xlarge GPU 实例的自定义容器中，提供 POST /invocations 与 WebSocket 双向流两条路由，并说明客户端处理二进制帧、保持会话连接等实现要点。 教程提示，示例容器固定了旧版 PyTorch，存在已知安全公告 PYSEC-2026-2286（在 torch 2.10.0 中修复），在非概念验证用途前应审查并升级该版本。教程还称，若前端已有可用的文本 SSE 管线，在 SSE 事件中传 base64 音频是务实选择；若新建语音链路或以延迟为优先，则统一二进制与 JSON 方案可省去相关开销并复用已有连接。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。