北京2025年4月9日 /美通社/ -- 亞馬遜宣布推出一款全新的基礎模型Amazon Nova Sonic，將語音理解與語音生成統一于單一的模型中，使AI應用程序中的語音對話更貼近真人交流。該模型通過Amazon Bedrock上的新API提供，可簡化語音應用開發(fā)流程，例如客戶服務通話自動化及覆蓋旅游、教育、醫(yī)療、娛樂等領域的跨行業(yè)AI agents。

在過去十余年間，亞馬遜始終引領著語音技術的發(fā)展，致力于為對話式AI應用賦能——從打造全球領先的個人AI助手Alexa，到開發(fā)亞馬遜云科技的各類服務，如Lex、Polly和Connect等。但要讓語音AI為客戶創(chuàng)造更多實際價值，它必須能夠理解人類對話的微妙與復雜性。在對話中，文字本身承載意義，但若沒有聲音語境賦予其深度，僅憑文字往往難以傳達完整信息。如何表達與表達什么同樣重要，甚至更為關鍵。從過去直到現在，通過AI實現這一點仍是巨大挑戰(zhàn)。

一套捕捉語氣、風格與節(jié)奏的語音系統

傳統語音應用開發(fā)需復雜協調多個模型，例如將語音轉為文字的語音識別模型、理解并生成回復的大語言模型（LLM）、將文字再轉為音頻的文本轉語音模型。這種分散的方法不僅增加了開發(fā)的復雜性，同時也難以保留自然對話中至關重要的聲學情境和細微差別，如語氣、語調韻律和說話風格等。

Nova Sonic采用全新方法應對這些挑戰(zhàn)。它摒棄了使用多個不同模型的方式，而是將理解與生成功能統一于單一模型中。這種整合使模型能根據語氣、風格等聲學情境以及口語輸入調整所生成的語音響應，從而實現更自然的對話。Nova Sonic甚至能理解人類對話的細微之處，包括說話者的自然停頓與猶豫、能在恰當時機做出回應，并能從容應對對話中的插話情況。

基于Amazon Nova Sonic構建的旅游AI agent示例：

這段對話展示了客戶與虛擬旅游助手討論夏威夷行程的場景。當客戶的語氣從興奮轉為擔憂費用時，AI的語調隨之變得更具安撫性，并實時調取相關價格信息。

該模型還會為用戶語音生成文字轉錄，讓開發(fā)者能夠利用這些文本來調用特定工具與API，從而構建語音AI agents。比如在這個示例中，AI旅游代理可以通過獲取最新的航班信息來協助機票預訂。這些功能，加上其超快的推理能力，使Nova Sonic支持的語音應用不僅更加自然，而且實用性更強。

基于Amazon Nova Sonic構建的企業(yè)AI助手示例：

此示例展示了企業(yè)客戶如何從Nova Sonic基于公司數據生成響應的能力中受益。該助手能夠提取報告并以自然對話的方式傳遞準確信息，同時主動提出相關的后續(xù)問題。這種流暢的對話模式支持多輪交互，無需說話者額外設定對話背景。

Nova Sonic的推出彰顯了亞馬遜在先進基礎模型領域的持續(xù)創(chuàng)新，亞馬遜始終致力于為每一位亞馬遜客戶創(chuàng)造實際價值。

立即通過Amazon Nova開始體驗。欲了解更多信息，請訪問亞馬遜在AI領域的創(chuàng)新。

免責聲明：

本新聞稿中提及的亞馬遜云科技生成式人工智能相關的服務僅在亞馬遜云科技海外區(qū)域可用，亞馬遜云科技中國僅為幫助您發(fā)展海外業(yè)務和了解行業(yè)前沿技術選擇推薦該服務。