AWS、SageMaker TTSの自動スケーリング目標値の測定手法を紹介
まずはこの出来事を
AI によるまとめ
2026年10月23日、AWS Machine Learning Blogは、セルフホスト型TTSエンドポイントの自動スケーリング目標値を推測に頼る問題に対し、Amazon SageMaker AIのリアルタイムエンドポイントに8200万パラメータのKokoro-82Mモデルをデプロイし、実測したQ_max（1インスタンスがSLO内で処理できる最大同時実行数）とT_total（1回のスケールアウトにかかるエンドツーエンドの時間）から、スケールアウト閾値、スケールイン閾値、2つのクールダウン時間を算出する方法を紹介した。
報道をもとに AI が作成 · 3 時間前に更新
最新の続報10月23日 00:30
AWSが、実測のQ_maxとT_totalからSageMaker TTSのスケーリング閾値とクールダウン時間を算出する方法を紹介。報道の時系列
報道をたどり、出来事のさまざまな面を知る。
10月23日
- AWS Machine Learning BlogAmazon SageMaker AI 上の TTS 自動スケーリング目標値、推測はもう不要
自前でホストする TTS エンドポイントの自動スケーリング目標値を推測に頼る問題に対し、AWS は Amazon SageMaker AI のリアルタイムエンドポイントに 8200 万パラメータの Kokoro-82M をデプロイし、実測した Q_max（1 インスタンスが SLO 内で処理できる最大同時実行数）と T_total（スケールアウト 1 回のエンドツーエンド所要時間）から、スケールアウトしきい値、スケールインしきい値、2 つのクールダウン時間を算出した。
この出来事の注目度の推移
現在の注目度 9·比較範囲のピーク 9（10月23日 03:00）·過去 24 時間の比較範囲での変化 –
推移は、途切れずに観測できた同じ主体どうしだけで比べるため、現在の注目度の集計より範囲が狭いことがあります。ポインタを動かすかグラフをクリックすると 1 時間ごとの注目度が見られます。キーボードでは左右の矢印キーで切り替えられます。