Conversão de fala em fala (Amazon Nova 2 Sonic)

Compreensão de fala em streaming de última geração com API de streaming bidirecional que possibilita conversas em tempo real, com baixa latência e em vários turnos.

Suporte multilíngue com detecção e troca automáticas de idioma. São oferecidas vozes expressivas, incluindo vozes masculinas e femininas, nos seguintes idiomas:

Vozes poliglotas que podem falar qualquer um dos idiomas compatíveis para permitir uma experiência de usuário consistente, mesmo quando este muda de idioma na mesma sessão.

Robustez a ruídos de fundo para cenários de implantação no mundo real.

Robustez a diferentes sotaques para idiomas compatíveis.

Experiências de IA conversacional naturais e semelhantes às humanas com riqueza contextual em todos os idiomas compatíveis.

Resposta de fala adaptativa que ajusta dinamicamente a entrega com base na prosódia da fala de entrada.

Alternância de turnos inteligente que detecta quando os usuários terminam de falar e quando o assistente deve responder, criando um ritmo natural de diálogo.

Tratamento amigável das interrupções do usuário sem perder o contexto da conversa.

Fundamentação de conhecimento com dados empresariais usando geração aumentada via recuperação (RAG).

Chamada de função e compatibilidade com fluxo de trabalho agêntico para criar aplicações complexas de IA.

Manipulação assíncrona de ferramentas que executa chamadas de ferramentas enquanto mantém o fluxo da conversa, permitindo que o assistente continue falando enquanto as ferramentas são processadas em segundo plano.

Suporte de entrada intermodal para entradas de áudio e texto na mesma conversa, possibilitando padrões de interação flexíveis.

Limite de conexão de oito minutos, com renovação da conexão e padrão de continuação da sessão disponíveis em exemplos de código.