亚马逊推出Nova Sonic：AI语音聊天模型

亚马逊通过推出Nova Sonic进一步扩展了其基础模型系列。该模型基于语音理解和生成技术开发，旨在实现更接近人类声音的对话。

正如该公司在其官方博客中所解释的那样，Nova Sonic 是一款全新的生成式人工智能模型，亚马逊希望借此简化语音应用程序的开发。为此，该模型提供了一套将理解与生成能力相结合的解决方案。

“这种整合使该模型能够 根据声学背景和语音输入调整生成的语音响应，从而实现更自然的对话，”亚马逊解释道。

它还能理解对话中的细微差别，包括停顿和犹豫。换句话说，这款新模型的推出旨在让客户的生活更轻松，因为其主要目的是简化语音应用程序的开发，例如自动客服电话和AI虚拟助手。

该系统已集成至亚马逊Bedrock平台，可通过全新的双向流式API进行访问，主要面向旅游、教育、医疗保健和娱乐等行业。

该公司通用人工智能高级副总裁罗希特·普拉萨德重申了通过语音激活技术提升用户体验的承诺，并强调该新模型将使交互更加精准、自然且引人入胜。

Nova Sonic 语音风格识别

此外，亚马逊的Nova Sonic能够识别不同的说话风格。该公司强调，该AI模型还能理解用户口齿不清、停顿或含糊不清的情况。目前，该模型仅支持英语。不过，亚马逊很快将增加对更多语言的支持。

该模型的音频上下文窗口为32,000个令牌，并配有额外窗口以处理更长的对话。

同样，与业内其他模型相比，Nova Sonic在整体对话质量方面表现稳健。目前，具备类似实时对话语音能力的模型寥寥无几，例如OpenAI的GPT-4o（实时版）和谷歌的Gemini Flash 2.0（可通过Gemini的实验性实时API使用）。

ASAPP、Education First和Stats Perform等公司已开始集成Nova Sonic，分别用于提升客户服务、语言学习及体育数据分析。这些公司对该模型的准确性、低延迟以及易于集成的特点给予了高度评价。

Nova Reel 1.1：可生成最长2分钟视频的新模型

另一方面，亚马逊还推出了全新的Nova Reel 1.1模型，该模型现可根据文本输入生成更长的视频。

作为去年Nova Reel模型的继任者，该新模型能够生成6秒的短视频片段，单个视频可由20个此类片段拼接而成，从而生成120秒的视频。开发者及普通用户均可通过亚马逊Bedrock平台使用该模型。

据该公司介绍，该模型通过生成式人工智能，在提升创意生产力的同时，有助于减少视频制作的时间和成本。它可用于以更高的效率和更强的创意控制力，为营销活动、产品设计及社交媒体内容制作引人入胜的视频。