【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。