Amazon lance NovaSonic, une nouvelle génération de modèle vocal génératif d'IA, marquant une avancée majeure dans le domaine de l'intelligence artificielle vocale.Ce modèle innovant peut traiter nativement la saisie vocale et générer une sortie vocale naturelle et fluide. En termes d'indicateurs de performance de base tels que la vitesse, la précision de la reconnaissance vocale et la qualité du dialogue, il a atteint un niveau comparable aux modèles vocaux de pointe des géants de la technologie tels qu'OpenAI et Google.

NovaSonic fournit des services via la plateforme de développement Amazon Bedrock et utilise une interface API de streaming bidirectionnelle innovante pour fournir un support solide au développement d'applications d'IA au niveau de l'entreprise.Amazon a spécifiquement souligné que ce modèle présente des avantages significatifs en termes de rentabilité et que son prix est environ 80 % moins cher que le GPT-4o d’OpenAI. On peut la qualifier de solution vocale IA la plus rentable du marché.

Comparé aux modèles vocaux d'IA concurrents, NovaSonic excelle dans le routage des requêtes des utilisateurs vers différentes API. Cette capacité permet à NovaSonic de savoir quand il a besoin d'obtenir des informations en temps réel sur Internet, d'analyser des sources de données propriétaires ou d'agir dans des applications externes et d'utiliser les outils appropriés pour accomplir la tâche.

Dans une conversation bidirectionnelle, NovaSonic attend le « bon moment » pour parler, en tenant compte des pauses et des interruptions de l'orateur.De plus, NovaSonic peut également générer des enregistrements de texte pour la parole des utilisateurs, et les développeurs peuvent utiliser ces textes pour divers scénarios d'application.

Rohit Prasad, scientifique en chef du département AGI d'Amazon, a révélé que certaines des technologies de NovaSonic ont été utilisées dans l'assistant numérique amélioré Alexa+. Le lancement de ce modèle constitue une étape importante dans la stratégie d'Amazon visant à construire une intelligence artificielle générale (AGI). À l’avenir, il lancera également des modèles d’IA prenant en charge la compréhension multimodale, couvrant des images, des vidéos et d’autres données de perception du monde physique.