4月9日消息，亚马逊正式推出新一代生成式AI语音模型Nova Sonic，标志着其在人工智能语音领域取得重大突破。

这款创新模型能够原生处理语音输入并生成自然流畅的语音输出，在速度、语音识别准确率和对话质量等核心性能指标上，已达到与OpenAI、谷歌等科技巨头的尖端语音模型相媲美的水平。

Nova Sonic通过亚马逊Bedrock开发者平台提供服务，采用创新的双向流式API接口，为企业级AI应用开发提供了强大支持。亚马逊特别强调，该模型在成本效益方面具有显著优势，其价格比OpenAI的GPT-4o便宜约80%。堪称目前市场上最具性价比的AI语音解决方案。

与竞争对手的AI语音模型相比，Nova Sonic在将用户请求路由到不同API方面表现出色。这一能力使得Nova Sonic能够知晓何时需要从互联网获取实时信息、解析专有数据源，或者在外部应用程序中采取行动，并使用合适的工具来完成任务。

在双向对话中，Nova Sonic会等待“合适的时机”发言，会考虑到说话者的停顿和打断等情况。此外，Nova Sonic还能够为用户的语音生成文本记录，开发者可以将这些文本用于各种应用场景。

亚马逊AGI部门首席科学家罗希特?普拉萨德透露，Nova Sonic的部分技术已经应用于升级版数字助手Alexa+。该模型的推出是亚马逊构建人工通用智能(AGI)战略的重要一步，未来还将推出支持多模态理解的AI模型，涵盖图像、视频及其他物理世界感知数据。

《夸克》非常好用的免费AI浏览器

下载APP查看