Amazon Nova Sonic: un nouveau modèle de langue IA pour des systèmes de dialogue plus naturels

Publié le: 14 avril 2025 / mise à jour du: 14 avril 2025 - Auteur: Konrad Wolfenstein

Amazon présente Nova Sonic avant - Modèle de langage progressif AI

Plus de conversations naturelles grâce à la nova sonic d'Amazon

Avec Nova Sonic, Amazon présente un modèle de langue AI avancé qui permet une amélioration de l'expérience utilisateur grâce à sa normalisation de la compréhension et de la génération de langues. Le résultat est plus fluide et plus naturel avec des assistants numériques. Nova Sonic se caractérise par une reconnaissance de la parole précise, des temps de réponse rapides et une adaptabilité liée au contexte et rivalise donc directement avec des modèles tels que GPT-4O et Gemini.

Convient à:

Mini robot innovant de Samsung: le robot de ménage «Ballie Ai» fait de la compétition Astro Robot et Enabot Ebo X d'Amazon

Nouveau traitement linguistique par architecture unifiée

Les systèmes d'IA contrôlés par la voix conventionnels sont généralement basés sur une combinaison complexe de plusieurs modèles distincts: un pour la reconnaissance de la parole pour convertir le langage parlé en texte, un autre modèle de langage grand (LLM) pour comprendre et générer des réponses, et enfin un modèle de texte vocal pour transformer le texte en langue. Cette approche fragmentée conduit non seulement à une complexité plus élevée, mais perd également d'importantes nuances acoustiques telles que le ton, la prosodie et la parole, qui sont essentielles pour la conversation naturelle.

Nova Sonic résout ces problèmes avec une approche fondamentalement différente: le modèle traite le langage natif et combine la compréhension et la génération des langues dans une architecture uniforme. Cette normalisation révolutionnaire permet au système d'adapter la réponse linguistique générée au contexte acoustique et l'entrée parlée, ce qui conduit à un dialogue beaucoup plus naturel.

API de streaming bidirectionnelle pour les interactions en temps réel

L'une des principales forces de Nova Sonic est la mise en œuvre d'un nouveau type d'API de streaming bidirectionnel, qui est intégré dans Amazon Dampf. Cette API permet:

Streaming simultané du contenu dans les deux sens
Transmission audio continue de l'utilisateur au modèle
Traitement et génération parallèles du langage
Réponses du modèle en temps réel sans temps d'attente pour des déclarations complètes

L'architecture suit un protocole basé sur des événements dans lequel le client et le modèle échangent des événements JSON structurés qui contrôlent le cycle de vie de session, le streaming audio, les mots texants et les interactions d'outils. Cette capacité en temps réel est cruciale pour une faible latence et une communication interactive entre les utilisateurs et le modèle d'IA.

Compréhension des nuances naturelles de la conversation

Nova Sonic est particulièrement caractérisée par sa profonde compréhension des nuances de la communication humaine. Le modèle peut:

Comprendre les pauses naturelles et l'hésitation de l'orateur
Attendez le «bon moment» pour des réponses
Traiter les interruptions élégamment
Considérez la conversation malgré le bruit

Ces compétences permettent un flux de conversation beaucoup plus naturel dans lequel le modèle, par exemple, absorbe le ton, le rythme et les nuances stylistiques de l'utilisateur et peut les intégrer dans sa propre réponse.

Performance exceptionnelle par rapport à la concurrence

Amazon positionne Nova Sonic en tant que leader dans la catégorie du modèle de langue et souligne cette affirmation par divers résultats de référence par rapport aux produits concurrents tels que Openais GPT-4O et Gemini Flash 2.0 de Google.

Précision de reconnaissance de la parole supérieure

Nova Sonic démontre des capacités impressionnantes de reconnaissance de la parole dans différentes langues et conditions acoustiques:

Dans les tests de l'ensemble de données multilingues LibrishePech, le modèle a obtenu un taux d'erreur de mot (OMS) de seulement 4,2% en moyenne par rapport à l'anglais, le français, l'italien, l'allemand et l'espagnol
C'est 36,4% inférieur à ceux du modèle GPT-4O de transcription d'OpenAI
Dans les enregistrements audio anglais de l'interaction multi-partis augmentée (AMI) Meeting Benchmark, qui se compose de véritables conversations bruyantes avec plusieurs orateurs, Nova Sonic a un parent de 24,2% inférieur qui, par rapport à l'Openais GPT-4O,
Dans les tests dans de vraies situations de réunion, il est mieux de 47% dans l'audio de langue anglaise que GPT-4O transcrit

Faible latence et rentabilité élevée

Un autre avantage décisif de Nova Sonic est la faible latence et l'excellente performance des prix:

La latence perçue par le client est en moyenne de 1,09 seconde à partir du moment où l'utilisateur termine la conversation jusqu'au moment où le système génère la première réponse de langue
En comparaison, la latence de l'OpenAIS GPT-4O (temps réel) est de 1,18 seconde et Gemini Flash 2.0 de Google à 1,41 seconde
Selon Amazon, Nova Sonic est environ 80% moins cher que OpenAIS GPT-4O, ce qui en fait le modèle de langue IA le plus rentable sur le marché

Dans les tests de comparaison directe avec des modèles de langage en temps réel concurrents, Nova Sonic a obtenu des taux de victoire impressionnants:

Dans la production vocale américaine-anglais avec une voix masculine, il a atteint un taux gagnant de 51% par rapport à GPT-4O et même 69,7% contre Gemini
Le modèle a également mieux coupé en anglais britannique

Zones polyvalentes d'application et intégrations

Nova Sonic a été conçue pour un large éventail d'applications et montre un potentiel spécial dans divers domaines.

Intégration dans le paysage du produit Amazon

Amazon intègre déjà Nova Sonic dans son écosystème de produit:

Des parties du modèle sont déjà utilisées dans Alexa +, l'assistant vocal numérique amélioré d'Amazon,
Le modèle est disponible en Amazon Dongonk, la plate-forme de développeur d'Amazon pour les applications ACI d'entreprise
Il s'appuie sur l'expertise d'Amazon dans les grands systèmes d'orchestration qui forment l'échafaudage technique d'Alexa

Utilisation intelligente des outils et flux de travail agentiques

L'une des compétences exceptionnelles de Nova Sonic est l'utilisation intelligente d'outils et de services externes:

Le modèle prend en charge les outils pour les applications dans lesquelles les réponses aux données de l'entreprise doivent être basées, telles que les plans de tarification, les stocks et la disponibilité disponibles
Il peut transmettre des demandes d'utilisateurs à différentes API afin d'accéder aux informations d'Internet en temps réel, pour analyser les sources de données propriétaires ou pour agir dans des applications externes
Nova Sonic peut résoudre des demandes complexes des clients et effectuer des tâches au nom du client, telles que «trouver une réservation» ou «trouver des vols alternatifs»
Il soutient également la récupération de la génération augmentée (RAG) pour l'ancrage dans les données de l'entreprise

Utilisations industrielles croisées

Nova Sonic convient à une variété d'applications dans diverses industries:

Automatisation des appels clients dans les centres de contact
Agents de l'IA dans des domaines tels que les voyages, l'éducation, les soins de santé et les divertissements
Éducation interactive et apprentissage des langues
Systèmes de marketing et d'assistance personnels sortants

Plusieurs entreprises ont déjà commencé à utiliser Nova Sonic:

ASApp utilise le modèle pour son agent génératif, un haut-parleur AI génératif entièrement conversable pour les centres de contact
Education First (EF) utilise Nova Sonic pour permettre aux étudiants de pratiquer un nouveau vocabulaire et d'améliorer leur prononciation dans un environnement d'apprentissage dynamique
Les statistiques effectuent le système pour l'analyse des données sportives

Disponibilité et spécifications techniques

Nova Sonic est maintenant disponible via Amazon FedRock dans la région AWS de US East (N. Virginia). Le modèle prend actuellement en charge:

Trois voix expressives, y compris des voix de secours masculines et féminines disponibles en anglais
Génération de la langue dans divers accents anglais, y compris américain et britannique
Le soutien à d'autres langues et accents devrait suivre sous peu

Le modèle a été développé avec le développement d'IA responsable à l'esprit et a intégré des mesures de protection telles que la modération du contenu et le filigrane. Amazon fournit également des cartes de service AWS AI qui décrivent les applications, les restrictions et les pratiques d'IA responsables du modèle.

Une étape importante dans le développement des assistants vocaux

Avec Nova Sonic, Amazon a réalisé des progrès significatifs dans le développement des modèles de langue AI. L'architecture standardisée pour la compréhension et la génération du langage surmonte les restrictions aux approches fragmentées conventionnelles et permet des systèmes de dialogue plus naturels et sensibles au contexte. La précision de la reconnaissance de la parole exceptionnelle, la faible latence et la position de rentabilité Nova Sonic en tant que concurrent sérieux pour établir des modèles tels que GPT-4O et Gemini.

L'intégration dans l'écosystème des produits d'Amazon, en particulier dans Alexa +, indique que la société poursuit de grandes ambitions dans le domaine de l'intelligence générale artificielle (AGI). Avec la possibilité d'utiliser des outils externes et d'interagir avec les données de l'entreprise, Nova Sonic offre des opportunités prometteuses pour les entreprises de divers secteurs, du service client à l'éducation en passant par les soins de santé.

Bien que l'anglais soit actuellement principalement soutenu, l'expansion annoncée à d'autres langues et accents devrait augmenter l'applicabilité mondiale du modèle à l'avenir. Nova Sonic marque une étape importante dans l'évolution des assistants numériques, qui ont souvent été perçus comme rigides et contre nature dans le passé, vers des systèmes de dialogue beaucoup plus naturels et humains.

Convient à: