Amazon Nova Sonic
Sprach-zu-Sprache-Modell von Amazon für dialogorientierte Sprachagenten in Echtzeit
Amazon Nova Sonic ist ein Sprach-zu-Sprach-Modell, das Amazon im April 2025 vorstellte. Es vereint Sprachverständnis und Spracherzeugung in einem Modell, statt separate Systeme für Spracherkennung, Sprache und Text-zu-Sprache zu verketten. Der Zugriff erfolgt über eine bidirektionale Streaming-API in Amazon Bedrock. Das Modell unterstützt ein Kontextfenster von 300.000 Tokens und ist für Echtzeit-Sprachagenten gedacht, die zuhören, schlussfolgern und mit natürlich klingender Sprache und geringer Verzögerung antworten müssen. Es unterstützt außerdem Werkzeugnutzung und Quellenanbindung, sodass Agenten während eines Gesprächs externe Funktionen aufrufen oder Informationen abrufen können.
Amazon positionierte Sonic als günstigere Alternative zur Kombination separater ASR-, LLM- und TTS-Pipelines und als Konkurrenz zur Realtime-API von OpenAI und Googles nativen Audiomodellen für Sprachassistenten und Support-Bots. Später folgte Nova 2 Sonic mit mehr Sprachen und einem größeren Kontextfenster. Das ursprüngliche Sonic-Modell bleibt jedoch für bestehende Sprachagenten auf Bedrock verfügbar.