Amazon ha ampliado su familia de modelos fundamentales con Nova Sonic, desarrollado para permitir conversaciones con voces más similares a las humanas gracias a tecnologías de comprensión y generación del habla.
Tal y como ha explicado la empresa en su blog oficial, Nova Sonic es un nuevo modelo de IA generativa con el que Amazon pretende simplificar el desarrollo de aplicaciones de voz. Para ello, ofrece una propuesta que aúna capacidades de comprensión y generación.
«Esta unificación permite al modelo adaptar la respuesta de voz generada al contexto acústico y a la entrada de voz, lo que da lugar a un diálogo más natural », explicó Amazon.
También es capaz de comprender los matices de las conversaciones, incluidas las pausas y las vacilaciones. En otras palabras, el nuevo modelo ha llegado para facilitar la vida a los clientes, ya que su objetivo principal es simplificar la creación de aplicaciones de voz, como las llamadas automatizadas de atención al cliente y los agentes de IA.
El sistema, integrado en Amazon Bedrock, es accesible a través de una nueva API de streaming bidireccional y está destinado a sectores como los viajes, la educación, la sanidad y el entretenimiento.
Rohit Prasad, vicepresidente sénior de Inteligencia Artificial General de la empresa, ha reafirmado el compromiso de mejorar la experiencia del usuario a través de la tecnología activada por voz y ha destacado que el nuevo modelo hará que las interacciones sean más precisas, naturales y atractivas.
Además, Nova Sonic de Amazon reconoce diferentes estilos de habla. La empresa ha destacado que el modelo de IA también es capaz de entender cuando un usuario habla con dificultad, hace pausas o murmura. Por el momento, solo es compatible con el inglés. No obstante, Amazon añadirá pronto compatibilidad con más idiomas.
El modelo cuenta con una ventana de contexto de 32 000 tokens para audio, además de una ventana adicional para gestionar conversaciones más largas.
Del mismo modo, Nova Sonic demuestra un rendimiento sólido en cuanto a la calidad general de la conversación en comparación con otros modelos del sector, entre los que, por el momento, se incluyen unos pocos seleccionados con capacidades similares de conversación en tiempo real, como el GPT-4o (en tiempo real) de OpenAI y el Google Gemini Flash 2.0 (disponible a través de la API experimental en directo de Gemini).
Empresas como ASAPP, Education First y Stats Perform ya han comenzado a integrar Nova Sonic para mejorar, respectivamente, la atención al cliente, el aprendizaje de idiomas y el análisis de datos deportivos. Estas empresas han elogiado la precisión del modelo, su baja latencia y su facilidad de integración.
Por otra parte, Amazon también ha lanzado el nuevo modelo Nova Reel 1.1, que ahora puede crear vídeos más largos a partir de texto introducido.
Este nuevo modelo, sucesor del Nova Reel del año pasado, es capaz de generar clips de seis segundos, y un único vídeo puede estar compuesto por hasta 20 de estos clips unidos entre sí para crear un vídeo de 120 segundos. También está disponible para desarrolladores y usuarios en general a través de la plataforma Amazon Bedrock.
Según la empresa, este modelo mejora la productividad creativa al tiempo que ayuda a reducir el tiempo y el coste de la producción de vídeos gracias a la IA generativa. Se puede utilizar para crear vídeos atractivos para campañas de marketing, diseños de productos y contenido para redes sociales con mayor eficiencia y control creativo.
Al continuar utilizando el sitio, usted acepta el uso de cookies. más información
La configuración de cookies de este sitio web está establecida en "permitir cookies" para ofrecerle la mejor experiencia de navegación posible. Si continúa utilizando este sitio web sin cambiar la configuración de cookies o hace clic en "Aceptar" a continuación, está dando su consentimiento.
