亚马逊推出全新Nova Sonic语音到语音模型 可深入理解人类对话，捕捉语气、语调和节奏

北京2025年4月9日 /美通社/ -- 亚马逊宣布推出一款全新的基础模型Amazon Nova Sonic，将语音理解与语音生成统一于单一的模型中，使AI应用程序中的语音对话更贴近真人交流。该模型通过Amazon Bedrock上的新API提供，可简化语音应用开发流程，例如客户服务通话自动化及覆盖旅游、教育、医疗、娱乐等领域的跨行业AI agents。

在过去十余年间，亚马逊始终引领着语音技术的发展，致力于为对话式AI应用赋能——从打造全球领先的个人AI助手Alexa，到开发亚马逊云科技的各类服务，如Lex、Polly和Connect等。但要让语音AI为客户创造更多实际价值，它必须能够理解人类对话的微妙与复杂性。在对话中，文字本身承载意义，但若没有声音语境赋予其深度，仅凭文字往往难以传达完整信息。如何表达与表达什么同样重要，甚至更为关键。从过去直到现在，通过AI实现这一点仍是巨大挑战。

一套捕捉语气、风格与节奏的语音系统

传统语音应用开发需复杂协调多个模型，例如将语音转为文字的语音识别模型、理解并生成回复的大语言模型（LLM）、将文字再转为音频的文本转语音模型。这种分散的方法不仅增加了开发的复杂性，同时也难以保留自然对话中至关重要的声学情境和细微差别，如语气、语调韵律和说话风格等。

Nova Sonic采用全新方法应对这些挑战。它摒弃了使用多个不同模型的方式，而是将理解与生成功能统一于单一模型中。这种整合使模型能根据语气、风格等声学情境以及口语输入调整所生成的语音响应，从而实现更自然的对话。Nova Sonic甚至能理解人类对话的细微之处，包括说话者的自然停顿与犹豫、能在恰当时机做出回应，并能从容应对对话中的插话情况。

基于Amazon Nova Sonic构建的旅游AI agent示例：

这段对话展示了客户与虚拟旅游助手讨论夏威夷行程的场景。当客户的语气从兴奋转为担忧费用时，AI的语调随之变得更具安抚性，并实时调取相关价格信息。

该模型还会为用户语音生成文字转录，让开发者能够利用这些文本来调用特定工具与API，从而构建语音AI agents。比如在这个示例中，AI旅游代理可以通过获取最新的航班信息来协助机票预订。这些功能，加上其超快的推理能力，使Nova Sonic支持的语音应用不仅更加自然，而且实用性更强。

基于Amazon Nova Sonic构建的企业AI助手示例：

此示例展示了企业客户如何从Nova Sonic基于公司数据生成响应的能力中受益。该助手能够提取报告并以自然对话的方式传递准确信息，同时主动提出相关的后续问题。这种流畅的对话模式支持多轮交互，无需说话者额外设定对话背景。

Nova Sonic的推出彰显了亚马逊在先进基础模型领域的持续创新，亚马逊始终致力于为每一位亚马逊客户创造实际价值。

立即通过Amazon Nova开始体验。欲了解更多信息，请访问亚马逊在AI领域的创新。

免责声明：

本新闻稿中提及的亚马逊云科技生成式人工智能相关的服务仅在亚马逊云科技海外区域可用，亚马逊云科技中国仅为帮助您发展海外业务和了解行业前沿技术选择推荐该服务。