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.
Для доставки звука предлагаются Server-Sent Events или единый двоичный транспорт. Такой подход предназначен для ситуаций, где задержка между формированием ответа и началом речи напрямую заметна пользователю.
Публикация основана на одном синопсисе AWS Machine Learning Blog, а не на независимой проверке. В доступных материалах нет данных о величине задержки, качестве звучания, поддерживаемых языках или результатах эксплуатации.
комментарий редакции
Что это значит
Вероятное следствие — голосовые интерфейсы смогут начинать воспроизведение раньше, если подобная схема покажет стабильную работу. Следующим наблюдаемым сигналом будут опубликованные измерения задержки и качества в реальных сценариях. Существенная неопределённость сохраняется: доступен только синопсис одной публикации без независимой проверки.