AWS 发布 SageMaker 上流式语音合成教程

AWS 的 Joseph Cottingham 发布技术教程，介绍如何在 Amazon SageMaker AI 上托管 Kokoro-82M 文本转语音模型，并按句流式合成语音：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。 Kokoro-82M 只有 8200 万参数，可运行在单台 ml.g5.xlarge GPU 实例的 SageMaker AI 实时端点上，以压低延迟与推理成本。示例容器提供两条路由：POST /invocations 接收单次完整输入，WS /invocations-bidirectional-stream 维持跨多条消息的双向长连接。 教程给出两种接入方式：若前端已有可用的文本 SSE 管道，可把 base64 编码的音频放进 SSE 事件；若新建语音链路或以延迟优先，则用统一的二进制与 JSON 方式，复用已承载文本的连接。 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（在 torch 2.10.0 中修复），在任何非概念验证用途前应检查并升级该版本。为避免持续计费，需按部署的逆序拆除资源，先删智能体，再删端点。

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。