AWS 发布 Kokoro TTS 低延迟语音流式教程

AWS 发布教程，演示如何在 Amazon SageMaker AI 实时端点上部署 Kokoro-82M 语音合成模型，把 AI 智能体生成的每个句子即时送入合成，使音频在第一句生成后就开始播放，而不必等整段回复完成。该模型仅 8200 万参数，可运行在单台 ml.g5.xlarge GPU 实例上，示例容器同时提供 POST /invocations 和 WebSocket 双向流两条路径。 AWS 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），用于非概念验证场景前应审查并升级版本；构建镜像需 Python 3.12 或更高版本、uv 和 Docker。AWS 还称，若前端已有可用的文本 SSE 管道，在 SSE 事件中放入 base64 编码音频是务实选择。

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。