亞馬遜近日震撼發(fā)布其最新一代生成式AI語音模型——Nova Sonic，標志著語音交互技術(shù)邁入全新紀元。據(jù)官方介紹，Nova Sonic在語音對話方面展現(xiàn)出了卓越的能力，能夠無縫對接說話者的自然停頓與打斷，精準把握對話節(jié)奏，相比前代Alexa，用戶體驗顯著提升，更加流暢自然。
在多語言性能測試中，Nova Sonic同樣表現(xiàn)出色。在LibriSpeech基準測試中，該模型在英語、法語、意大利語、德語和西班牙語上的單詞錯誤率平均僅為4.2%，遠低于業(yè)界平均水平。特別是在高音量多人互動場景下，Nova Sonic的單詞錯誤率相較于OpenAI的GPT-4o-transcribe模型降低了46.7%，展現(xiàn)出強大的語音識別能力。
Nova Sonic在響應(yīng)速度上也實現(xiàn)了突破，平均感知延遲僅為1.09秒，比OpenAI的GPT-4o模型快了0.09秒。亞馬遜自豪地宣稱，Nova Sonic是市場上最具成本效益的AI語音模型，其價格相比GPT-4o便宜了約80%，為用戶提供了高性價比的選擇。
為了讓更多開發(fā)者能夠利用這一先進技術(shù)，亞馬遜通過Bedrock開發(fā)者平臺提供了Nova Sonic。該平臺專注于企業(yè)級AI應(yīng)用的構(gòu)建，為開發(fā)者提供了強大的支持。同時，Nova Sonic還支持全新的雙向流式API，使得開發(fā)者能夠更加便捷地部署和使用該模型。事實上，Nova Sonic的部分組件已經(jīng)應(yīng)用于亞馬遜升級版數(shù)字語音助手Alexa+，進一步提升了其語音交互的精準度和流暢性。
Nova Sonic的發(fā)布，也是亞馬遜構(gòu)建人工通用智能（AGI）戰(zhàn)略的重要一環(huán)。AGI被定義為能夠完成人類所能做的一切事情的AI系統(tǒng)，是亞馬遜在AI領(lǐng)域追求的最高目標。亞馬遜透露，未來還將推出更多能夠理解不同模態(tài)（包括圖像、視頻和語音）的AI模型，以進一步拓展其在AI領(lǐng)域的布局。
亞馬遜還計劃逐步將更多內(nèi)部AI模型開放給開發(fā)者使用，以激發(fā)更多創(chuàng)新應(yīng)用的誕生。同時，亞馬遜還推出了Nova Act的預(yù)覽版，這是一個基于瀏覽器的AI模型，為Alexa+和“代我購買”功能提供了有力支持，進一步提升了用戶體驗。
