AWS описала потоковую озвучку ответов с помощью Kokoro-82M на Amazon SageMaker AI. Согласно синопсису публикации, система передаёт на синтез каждое предложение по мере его появления и возвращает аудио в браузер.
音声の配信には Server-Sent Events または単一のバイナリトランスポートが提案されている。このアプローチは、回答の作成と音声の開始の遅延がユーザーに直接 noticeable（顕著）に影響する状況を想定している。
この公開は AWS Machine Learning Blog の単一の概要に基づいており、独立した検証には基づいていない。入手可能な資料には、遅延の大きさ、音声品質、サポートされる言語、運用結果に関するデータはない。
編集部コメント
なぜ重要か
推定される結果としては、同様の仕組みが安定して機能する場合、音声インターフェースは再生を早く開始できる可能性がある。今後観測される指標は、実際のシナリオでの遅延と音声品質の公開された測定になるだろう。重大な不確実性が残っており、独立検証なしの出版サマリーのみが利用可能である。