AWS 教程：Kokoro TTS 端点实测扩缩容与逐句流式
先了解这件事
AWS 发布教程，在 Amazon SageMaker AI 实时端点上部署 Kokoro-82M 语音合成模型，用两项实测数据替代凭猜测设定的自动扩缩容目标：单实例在 SLO 内可承受的最高并发 Q_max 为 50，一次完整扩容耗时 T_total 为 320.2 秒。教程称，示例中的全部数字可用两份已提交的测量文件重新运行复现，无需调用 AWS 服务、不产生新费用；运行扩容测量前，需在基线之上预留至少一个 ml.g5.xlarge 服务配额槽位。 AWS 另发布教程，把智能体生成的每个句子即时送入该模型合成，而不必等整段回复完成，以降低语音输出的首句延迟。两份教程均提示，示例容器固定了较早版本的 PyTorch，存在已知漏洞 PYSEC-2026-2286（已在 torch 2.10.0 修复），非验证用途前应检查并升级该版本。 按流式教程清理资源时，需按先智能体、后端点的逆序拆除以避免持续计费；该步骤不会清空缓存模型权重的 S3 存储桶，也不会删除存放容器镜像的 ECR 仓库，两者可跨模型共享，如不再需要须手动清空和删除，否则会继续产生少量存储费用。
AI 根据报道生成 · 53 分钟前更新
事件进展
2 个进展
- 10月23日 01:45 · 1 篇报道AWS 博客介绍语音 Agent 逐句流式 TTS 方案AWS Machine Learning Blog：在 Amazon SageMaker AI 上用 Kokoro TTS 为 AI 智能体流式输出低延迟语音
- 10月23日 00:30 · 1 篇报道发布TTS端点自动扩缩容测量方法教程AWS Machine Learning Blog：AWS 用实测数据替代 TTS 在 SageMaker AI 上的自动扩缩容猜测
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning Blog精选在 Amazon SageMaker AI 上用 Kokoro TTS 为 AI 智能体流式输出低延迟语音
AWS 发布教程，介绍如何在 Amazon SageMaker AI 上部署 Kokoro-82M 语音合成模型，把智能体生成的每个句子即时送入模型合成，而不必等整段回复完成。
- AWS Machine Learning Blog精选AWS 用实测数据替代 TTS 在 SageMaker AI 上的自动扩缩容猜测
AWS 在 Amazon SageMaker AI 实时端点上部署 Kokoro-82M 语音合成模型，用两项实测数据替代凭猜测设定的自动扩缩容目标：单实例在 SLO 内可承受的最高并发 Q_max 为 50，一次完整扩容耗时 T_total 为 320.2 秒。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。