【太平洋科技快讯】4月9日，亚马逊正式推出其新一代生成式AI语音模型――Nova Sonic。官方表示，新模型在语音交互方面表现出色，能够自然地处理说话者的停顿和打断，并在合适的时机发言，相比亚马逊早期的Alexa等模型，交互体验更加自然流畅。
在多语言LibriSpeech基准测试中，Nova Sonic在英语、法语、意大利语、德语和西班牙语上的平均单词错误率仅为4.2%，远低于行业平均水平。此外，在多人参与的高音量互动测试中，其单词错误率比OpenAI的GPT-4o-transcribe模型低46.7%。
Nova Sonic的平均感知延迟仅为1.09秒，比OpenAI的GPT-4o模型(响应时间为1.18秒)更快。亚马逊声称Nova Sonic是市场上“最具成本效益”的AI语音模型，其价格比OpenAI的GPT-4o便宜约80%。
Nova Sonic通过亚马逊的Bedrock开发者平台提供给用户，该平台专注于构建企业级AI应用。此外，Nova Sonic可通过一个全新的双向流式API进行接入，方便开发者快速部署和使用。Nova Sonic的部分组件已经为亚马逊升级版数字语音助手Alexa+提供了动力支持，进一步提升了Alexa+的语音交互能力。
据悉，Nova Sonic是亚马逊构建人工通用智能(AGI)战略的重要组成部分。AGI被定义为“能够在计算机上完成人类所能做的一切事情的AI系统”。亚马逊计划在未来推出更多能够理解不同模态(包括图像、视频和语音)的AI模型，以拓展其在AI领域的布局。
亚马逊表示，从Nova Sonic开始，将逐步将更多内部AI模型提供给开发者使用，以助力开发者构建各种创新应用。此外，亚马逊还推出了Nova Act的预览版，这是一个使用浏览器的AI模型，为Alexa+和亚马逊的“代我购买”功能的部分元素提供了支持。
扫一扫关注微信