Amazon bringt „Nova Sonic“ auf den Markt: KI-Sprachchat-Modell

Amazon hat seine Familie der Grundmodelle um Nova Sonic erweitert, das entwickelt wurde, um mithilfe von Technologien zum Sprachverständnis und zur Sprachgenerierung Gespräche mit Stimmen zu ermöglichen, die denen von Menschen ähnlicher sind.

Wie das Unternehmen in seinem offiziellen Blog erklärte, handelt es sich bei Nova Sonic um ein neues generatives KI-Modell, mit dem Amazon die Entwicklung von Sprachanwendungen vereinfachen möchte. Zu diesem Zweck bietet es eine Lösung, die Verständnis- und Generierungsfähigkeiten vereint.

„Durch diese Integration kann das Modell die generierte Sprachantwort an den akustischen Kontext und die gesprochene Eingabe anpassen, was zu einem natürlicheren Dialog führt “, erklärte Amazon.

Es kann zudem Nuancen in Gesprächen verstehen, darunter auch Pausen und Zögern. Mit anderen Worten: Das neue Modell soll den Kunden das Leben erleichtern, da sein Hauptzweck darin besteht, die Entwicklung von Sprachanwendungen wie automatisierten Kundendienstanrufen und KI-Agenten zu vereinfachen.

Das in Amazon Bedrock integrierte System ist über eine neue bidirektionale Streaming-API zugänglich und richtet sich an Branchen wie Reise, Bildung, Gesundheitswesen und Unterhaltung.

Rohit Prasad, Senior Vice President für allgemeine künstliche Intelligenz im Unternehmen, hat das Engagement für die Verbesserung der Benutzererfahrung durch sprachgesteuerte Technologie bekräftigt und betont, dass das neue Modell die Interaktionen präziser, natürlicher und ansprechender machen wird.

Erkennung der Sprachstile von Nova Sonic

Darüber hinaus erkennt „Nova Sonic“ von Amazon verschiedene Sprachstile. Das Unternehmen hat betont, dass das KI-Modell auch versteht, wenn ein Nutzer undeutlich spricht, Pausen macht oder vor sich hin murmelt. Derzeit wird nur die englische Sprache unterstützt. Amazon wird jedoch in Kürze weitere Sprachen hinzufügen.

Das Modell verfügt über ein Kontextfenster von 32.000 Tokens für Audio sowie ein zusätzliches Fenster zur Verarbeitung längerer Gespräche.

Ebenso zeigt Nova Sonic im Vergleich zu anderen Modellen der Branche eine solide Leistung hinsichtlich der allgemeinen Gesprächsqualität. Zu diesen Modellen gehören derzeit nur wenige ausgewählte Modelle mit ähnlichen Fähigkeiten im Bereich der Echtzeit-Konversation, wie beispielsweise GPT-4o (Echtzeit) von OpenAI und Google Gemini Flash 2.0 (verfügbar über die experimentelle Live-API von Gemini).

Unternehmen wie ASAPP, Education First und Stats Perform haben bereits damit begonnen, Nova Sonic zu integrieren, um den Kundenservice, das Sprachenlernen bzw. die Sportdatenanalyse zu verbessern. Die Unternehmen loben die Genauigkeit, die geringe Latenz und die einfache Integration des Modells.

Nova Reel 1.1: Neues Modell zur Erstellung von Videos mit einer Länge von bis zu 2 Minuten

Darüber hinaus hat Amazon auch das neue Modell „Nova Reel 1.1“ vorgestellt, das nun auf der Grundlage von Texteingaben längere Videos erstellen kann.

Als Nachfolger des letztjährigen Modells „Nova Reel“ kann das neue Modell sechssekündige Clips generieren, und ein einzelnes Video kann aus 20 solchen Clips zusammengesetzt werden, um ein 120-Sekunden-Video zu erstellen. Es steht Entwicklern und allgemeinen Nutzern über die Amazon Bedrock-Plattform zur Verfügung.

Nach Angaben des Unternehmens steigert dieses Modell die kreative Produktivität und trägt gleichzeitig dazu bei, Zeit und Kosten bei der Videoproduktion durch generative KI zu senken. Es kann genutzt werden, um ansprechende Videos für Marketingkampagnen, Produktdesigns und Social-Media-Inhalte mit höherer Effizienz und größerer kreativer Kontrolle zu erstellen.