AWS 发布 SageMaker AI 上 TTS 自动扩缩容测量方法

AWS 机器学习博客发布了 Amazon SageMaker AI 上 TTS 模型的测量驱动自动扩缩容方案：将 8200 万参数的 Kokoro-82M 以自定义容器部署到 SageMaker AI 实时端点，用实测数据替代猜测的扩缩容目标，并配套示例仓库与五条命令的工具链。 该方案有明确前提：需要具备 IAM、S3、ECR 和 SageMaker AI 资源创建权限的 AWS 账户，以及至少一个空闲的 ml.g5.xlarge 服务配额槽位；工具链支持 dry-run 模式，在不调用 AWS 的情况下预估约 36 分钟的实测运行耗时。此外，示例容器固定了较早版本的 PyTorch，存在安全公告 PYSEC-2026-2286（已在 torch 2.10.0 修复），超出概念验证范围使用前需自行升级该版本锁定。

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。