El gigante tecnológico lanza un Nova Sonic que promete conversaciones naturales con usuarios capaces de comprender los matices de la conversación humana.
En una entrada de blog, Amazon afirmó:
'Los enfoques tradicionales para desarrollar aplicaciones de voz implican una orquestación compleja de múltiples modelos, como el reconocimiento de voz para convertir voz en texto, los grandes modelos lingüísticos (LLM) para comprender y generar respuestas, y la conversión de texto a voz para convertir texto de nuevo en audio. Este enfoque fragmentado no solo aumenta la complejidad del desarrollo, sino que tampoco preserva el contexto acústico crucial ni los matices como el tono, la prosodia y el estilo de habla, esenciales para las conversaciones naturales'.
Y el blog continuó:
'Nova Sonic adopta un nuevo enfoque para resolver estos desafíos. En lugar de utilizar diferentes modelos, unifica las capacidades de comprensión y generación en un solo modelo'.
Esta unificación permite que el modelo adapte la respuesta de voz generada al contexto acústico (p. ej., tono, estilo) y a la entrada hablada, lo que resulta en un diálogo más natural. Nova Sonic incluso comprende los matices de la conversación humana, incluyendo las pausas y vacilaciones naturales del hablante, la espera par hablar hasta el momento oportuno y la gestión eficiente de las interrupciones.
El nueo desarrollo también empleará un agente de viaje con inteligencia artificial que puede reservar vuelos y generar una transcripción de texto a partir del habla.
La publicación añadió:
'También genera una transcripción de texto del habla del usuario, lo que permite a los desarrolladores usar ese texto para llamar a herramientas y API específicas para crear agentes de IA con voz, como este ejemplo de un agente de viajes con inteligencia artificial que puede reservar vuelos recuperando información actualizada del vuelo. Estas capacidades, junto con su inferencia ultrarrápida, hacen que las aplicaciones de voz con tecnología Nova Sonic sean más naturales y útiles'.
