---
title: "Nova Sonic – 亚马逊推出的新型生成式 AI 语音模型"
url: "https://paooo.com/aigc-news/20471/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T19:51:54+08:00"
updated_at: "2026-06-08T19:51:54+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, AI音频与语音, ChatGPT, OpenAI, 亚马逊"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Nova Sonic – 亚马逊推出的新型生成式 AI 语音模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/20471/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 将语音理解与生成合并为单一模型，支持更自然的停顿、打断与语调响应。
- 多语言 LibriSpeech 测试中平均 WER 仅 4.2%，在英语、法语、意大利语、德语和西班牙语上表现突出。
- 平均感知延迟 1.09 秒，价格约为 GPT-4o 的 20%，适合高频语音交互场景。

## Nova Sonic是什么

Nova Sonic 是亚马逊推出的新型生成式 AI 语音模型。将语音理解与生成能力整合到一个模型中，能根据说话者的语调、风格等声学上下文调整生成的语音响应，对话更自然。Nova Sonic 支持多语言，目前对美国英语和英国英语的语音理解表现出色，支持多种说话风格和不同口音。平均单词错误率低至4.2%，在多语言 LibriSpeech 基准测试中表现优于 OpenAI 的 GPT-4o-transcribe 模型。

## Nova Sonic的主要功能

- **原生语音处理**：能高效处理语音输入生成自然流畅的语音输出，提升交互效果。

- **高准确性**：采用 HiFi 语音识别技术，在嘈杂环境或用户发音不清晰时，能准确理解意图，在多语言 LibriSpeech 基准测试中，英语、法语、意大利语、德语和西班牙语的平均单词错误率仅为 4.2%。

- **自然对话能力**：能捕捉说话者的停顿、打断等情况，在合适的时机发言，对话更自然流畅。

- **实时信息获取**：可智能判断何时从互联网获取实时信息，为用户提供最优解。

- **强大的请求路由能力**：能根据上下文信息，将用户请求路由到不同 API，灵活调用互联网信息、解析专有数据源或在外部应用程序中采取行动。

- **文本记录生成**：可为用户的语音生成文本记录，开发者可将这些文本用于各种应用场景。

- **低延迟与高性价比**：平均感知延迟仅为 1.09 秒，比 OpenAI 的 GPT-4o 模型更快，价格比 OpenAI 的 GPT-4o 便宜约 80%，是市场上最具成本效益的 AI 语音模型之一。

- **支持多种语言和风格**：目前支持美国英语和英国英语等多种说话风格和不同口音，计划扩展对更多语言和口音的支持。

## Nova Sonic的技术原理

- **高精度语音识别**：Nova Sonic 采用了 HiFi 语音识别技术，在嘈杂环境或用户发音不清晰的情况下，准确理解用户的意图。在多语言 LibriSpeech 基准测试中，Nova Sonic 在英语、法语、意大利语、德语和西班牙语上的平均单词错误率（WER）仅为 4.2%，显著优于其他竞品。

- **双向流式 API**：Nova Sonic 通过亚马逊的 Bedrock 开发者平台提供服务，采用创新的双向流式 API 接口。能实现音频输入和输出的实时双向流式传输，确保对话的流畅性。

## Nova Sonic的项目地址

- **项目官网**：[https://www.aboutamazon.com/news/innovation-at-amazon/nova-sonic](https://www.aboutamazon.com/news/innovation-at-amazon/nova-sonic-voice-speech-foundation-model?utm_source=ai-bot.cn)

## Nova Sonic的应用场景

- **客户服务**：可用于构建自动化的客户服务呼叫中心，能理解客户的问题并提供准确的解答，根据客户的情绪调整回应的语气。

- **旅游**：可作为虚拟旅游助手，帮助用户规划行程、预订机票和酒店等。

- **教育**：可用于开发语言学习应用，为学习者提供实时发音反馈，帮助他们提高语言能力。

- **医疗保健**：可协助医生与患者进行沟通，提供医疗信息和建议。

- **娱乐**：可用于创建语音交互式的游戏和虚拟角色，提升用户的娱乐体验。

## 常见问题解答 (FAQ)

### Nova Sonic 主要解决什么问题？
Nova Sonic 主要把语音理解和语音生成整合到一个模型里，减少传统语音链路的割裂感。它能根据语调、停顿和口音调整回应，让对话更自然，同时兼顾低延迟和较高准确率。

### Nova Sonic 的识别准确率有多高？
文中提到，Nova Sonic 在多语言 LibriSpeech 基准测试中的平均单词错误率低至 4.2%，覆盖英语、法语、意大利语、德语和西班牙语，说明它在多语言语音识别上表现较强。

### Nova Sonic 适合哪些应用场景？
它适合客户服务、旅游助手、语言学习、医疗沟通和语音游戏等场景。尤其适合需要实时语音交互、自动路由请求、生成文本记录以及根据上下文动态回应的应用。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
