AWS a décrit la diffusion vocale des réponses à l’aide de Kokoro-82M sur Amazon SageMaker AI. Selon le synopsis de la publication, le système transmet chaque proposition au fur et à mesure de son apparition et renvoie l’audio au navigateur.
Pour la transmission du son, des Server-Sent Events ou un seul transport binaire sont proposés. Cette approche est destinée aux situations où le délai entre la formation de la réponse et le début de la parole est directement perceptible par l’utilisateur.
La publication est basée sur un seul synopsis du AWS Machine Learning Blog, et non sur une vérification indépendante. Dans les documents disponibles, il n’y a pas de données sur l’ampleur du retard, la qualité sonore, les langues prises en charge ou les résultats d’exploitation.
commentaire éditorial
Pourquoi c’est important
Conséquence probable — les interfaces vocales pourront commencer la reproduction plus tôt si un tel schéma montre une fiabilité stable. Le prochain signal observé sera les mesures de latence et de qualité publiées dans des scénarios réels. Une incertitude importante subsiste : seul le synopsis d’une publication est disponible sans vérification indépendante.