4月9日，亞馬遜今日正式推出新一代生成式AI語(yǔ)音模型Nova Sonic，標(biāo)志著這家科技巨頭在人工智能語(yǔ)音領(lǐng)域的重要突破。該模型憑借卓越的語(yǔ)音處理能力和成本優(yōu)勢(shì)，直接對(duì)標(biāo)OpenAI與谷歌的前沿語(yǔ)音技術(shù)，或?qū)⒅厮蹵I語(yǔ)音交互市場(chǎng)格局。

Nova Sonic采用創(chuàng)新的雙向流式架構(gòu)，能夠原生處理語(yǔ)音并生成自然流暢的對(duì)話響應(yīng)。亞馬遜高級(jí)副總裁兼AGI首席科學(xué)家羅希特・普拉薩德透露，該模型在多語(yǔ)言LibriSpeech基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異，英語(yǔ)、法語(yǔ)等五種語(yǔ)言的單詞錯(cuò)誤率低至4.2%，在嘈雜環(huán)境下的語(yǔ)音識(shí)別準(zhǔn)確率較競(jìng)品提升顯著。特別值得注意的是，其1.09秒的平均感知延遲超越了當(dāng)前主流模型的響應(yīng)速度。

通過(guò)亞馬遜Bedrock開發(fā)者平臺(tái)，Nova Sonic以比GPT-4o低80%的定價(jià)策略進(jìn)軍企業(yè)級(jí)AI應(yīng)用市場(chǎng)。這種"高性能+低成本"的組合拳，展現(xiàn)出亞馬遜爭(zhēng)奪AI語(yǔ)音市場(chǎng)份額的強(qiáng)烈意圖。目前，該模型的部分組件已應(yīng)用于升級(jí)版數(shù)字語(yǔ)音助手Alexa+，未來(lái)將拓展至更廣泛的商業(yè)場(chǎng)景。

作為亞馬遜人工通用智能(AGI)戰(zhàn)略的關(guān)鍵組成部分，Nova Sonic體現(xiàn)了公司"多模態(tài)AI"的發(fā)展方向。普拉薩德表示，亞馬遜將持續(xù)推出支持圖像、視頻等感官數(shù)據(jù)的AI模型，推動(dòng)AI系統(tǒng)向更接近人類能力的方向演進(jìn)。這一布局與上周發(fā)布的Nova Act瀏覽器AI模型形成技術(shù)協(xié)同，共同強(qiáng)化亞馬遜在AI領(lǐng)域的產(chǎn)品矩陣。

隨著Nova Sonic的加入，AI語(yǔ)音市場(chǎng)正式形成亞馬遜、OpenAI和谷歌三足鼎立之勢(shì)。分析人士指出，亞馬遜憑借其在云計(jì)算和企業(yè)服務(wù)領(lǐng)域的深厚積累，可能對(duì)現(xiàn)有市場(chǎng)格局產(chǎn)生重大沖擊。特別是在電商、智能家居等亞馬遜優(yōu)勢(shì)領(lǐng)域，Nova Sonic有望快速建立競(jìng)爭(zhēng)壁壘。

亞馬遜表示，Nova Sonic即日起通過(guò)Bedrock平臺(tái)向開發(fā)者開放，未來(lái)將持續(xù)優(yōu)化模型性能并擴(kuò)展應(yīng)用場(chǎng)景。這場(chǎng)由科技巨頭主導(dǎo)的AI語(yǔ)音競(jìng)賽，正推動(dòng)全球語(yǔ)音交互技術(shù)邁向新紀(jì)元。