亚马逊近日发布了语音专用模型Nova Sonic，该模型结合了语音理解和语音生成两大功能，旨在推动客服中心自动化和AI代理应用的发展。据法新社报道，这一模型的推出将显著优化语音应用程序的开发流程。
语音模型已成为生成式AI领域的热点之一。目前，市场上不仅有支持通用任务的AI模型，还有专注于语音处理的模型。例如，OpenAI的ChatGPT具备语音模式，谷歌也推出了相关语音处理模型。在这一趋势下，如何提升手机智能语音助理和智能音箱的表现，成为行业关注的重要方向。
亚马逊在语音技术领域已有十多年的经验积累，其代表性产品包括智能语音助理Alexa，以及AWS云端平台上的Lex、Polly和Connect等对话和语音处理服务。然而，过去开发者在构建语音应用程序时，需要整合多个AI模型，如语音识别、语音转文字和文字转语音等。这种复杂的流程不仅增加了开发难度，还可能导致语音数据在多次转换中丢失原始说话者的声调、韵律和风格等细节。
为解决这些问题，Nova Sonic将语音理解和语音生成功能集成于一体，能够更准确地反映发话环境的特点，使对话更加自然流畅。亚马逊团队指出，人类对话的复杂性不仅体现在字义上，还体现在语调变化中，而语调的细微变化对AI来说一直是一个技术难点。
Nova Sonic可通过Amazon Bedrock开发平台的应用程序界面（API）使用，主要聚焦于客服电话自动化和AI代理两大应用场景。这些功能在旅游、教育、医疗保健和娱乐等领域有着广泛需求。此外，亚马逊的基础模型系列Amazon Nova已涵盖文字、影像和视频等多种生成功能，而Nova Sonic则是专为语音应用设计的最新成果。
除了自主研发的模型，亚马逊还与Anthropic、Meta等合作伙伴展开合作。在Meta近期发布Llama 4新模型后，亚马逊迅速宣布对其提供支持。