亚马逊发布生成式 AI 语音基座模型 Nova Sonic,可生成自然语音
据亚马逊官方消息,亚马逊近日推出生成式 AI 语音基座模型Nova Sonic,该模型是Amazon Nova 基础模型 (FM) 系列的最新成员。
Amazon Nova Sonic 将语音理解和生成统一为一个单一模型,开发人员可利用该模型创建自然、类似人类的人工智能对话体验,并实现低延迟和行业领先的性价比。这种集成方法简化了开发流程,降低了构建会话应用的复杂性。
其统一的模型架构可提供极富表现力的语音生成和实时文本转录,而无需单独的模型。其结果是自适应语音响应,可根据输入语音的节奏和音色等前奏动态调整其传送。
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。
