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

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

通過亞馬遜Bedrock開發(fā)者平臺，Nova Sonic以比GPT-4o低80%的定價策略進軍企業(yè)級AI應(yīng)用市場。這種"高性能+低成本"的組合拳，展現(xiàn)出亞馬遜爭奪AI語音市場份額的強烈意圖。目前，該模型的部分組件已應(yīng)用于升級版數(shù)字語音助手Alexa+，未來將拓展至更廣泛的商業(yè)場景。

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AI系統(tǒng)向更接近人類能力的方向演進。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，共同強化亞馬遜在AI領(lǐng)域的產(chǎn)品矩陣。

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

亞馬遜表示，Nova Sonic即日起通過Bedrock平臺向開發(fā)者開放，未來將持續(xù)優(yōu)化模型性能并擴展應(yīng)用場景。這場由科技巨頭主導(dǎo)的AI語音競賽，正推動全球語音交互技術(shù)邁向新紀元。