亚马逊AWS官方博客
·
推出 Amazon Nova Sonic：为生成式 AI 应用程序带来类似人类的语音对话体验
内容提要
Amazon Nova Sonic 是一款集成语音理解与生成的模型，简化语音应用开发，支持低延迟对话，能够动态调整语音回复，处理多种说话风格，并具备内容审核功能，适用于客户支持等场景。
关键要点
-
语音界面在客户支持、游戏、教育等领域提升客户体验。
-
传统语音应用开发方法复杂，需多个模型协作，增加开发难度。
-
Amazon Nova Sonic 集成语音理解与生成，简化开发过程，降低复杂性。
-
该模型支持低延迟对话，动态调整语音回复，处理多种说话风格。
-
开发者可通过工具调用与外部服务交互，构建知识基础。
-
Amazon Nova Sonic 具备内置内容审核和水印保护功能，关注负责任的人工智能。
-
模型在电信行业的应用示例展示了其流式转录和情绪分析能力。
-
使用 Amazon Nova Sonic 需在 Amazon Bedrock 控制台启用模型访问权限。
-
新双向流式传输 API 提供实时低延迟对话体验，支持音频输入输出。
-
提示设计应优化听觉理解，关注对话流畅性而非视觉格式。
-
Amazon Nova Sonic 支持多种英语口音，未来将支持更多语言。
-
模型能够处理用户打断，保持对话上下文，支持长对话。
-
AWS SDK 提供支持新的双向流式传输 API，方便开发者使用。
延伸问答
Amazon Nova Sonic 的主要功能是什么？
Amazon Nova Sonic 集成了语音理解与生成，支持低延迟对话和动态调整语音回复，简化了语音应用开发。
如何在应用程序中使用 Amazon Nova Sonic？
开发者需在 Amazon Bedrock 控制台启用模型访问权限，并使用新的双向流式传输 API 进行音频输入输出。
Amazon Nova Sonic 如何处理用户打断？
该模型能够优雅地处理用户打断，保持对话上下文，并在打断后自然继续对话。
Amazon Nova Sonic 支持哪些语言和口音？
目前支持美式和英式英语，未来将支持更多语言和口音。
Amazon Nova Sonic 的内容审核功能有什么作用？
该模型具备内置的内容审核和水印保护功能，旨在促进负责任的人工智能使用。
Amazon Nova Sonic 在电信行业的应用示例是什么？
在电信行业的应用中，Amazon Nova Sonic 可以处理客户与座席的对话，提供实时信息和情绪分析。
