Amazon a présenté son nouveau modèle d’IA générative, Nova Sonic, qui se distingue par sa capacité à traiter nativement la voix et à générer un discours naturel. Selon la société, les performances de Nova Sonic rivalisent avec les modèles vocaux de pointe d’OpenAI et de Google, notamment en matière de rapidité, de reconnaissance vocale et de qualité des conversations.
Nova Sonic, l’IA vocale d’Amazon
Nova Sonic marque un tournant dans le domaine des assistants vocaux. Ce modèle représente la réponse d’Amazon aux nouveaux modèles d’IA vocale, comme celui qui anime le mode vocal de ChatGPT. Ces derniers offrent une expérience plus fluide et naturelle. En effet, les avancées technologiques récentes ont permis de dépasser les limites des assistants vocaux traditionnels, comme Alexa et Siri d’Apple, qui semblent désormais désuets face à ces nouvelles technologies.
Nova Sonic est d’ores et déjà accessible via Bedrock, la plateforme de développement d’Amazon pour la création d’applications IA pour les entreprises. L’IA utilise une API de streaming bidirectionnelle, permettant des échanges dynamiques entre l’utilisateur et le système. Amazon a d’ailleurs qualifié Nova Sonic de « modèle vocal IA le plus rentable du marché », soulignant que son coût est environ 80 % inférieur à celui du modèle GPT-4o d’OpenAI.
Des performances notables
L’un des atouts majeurs de Nova Sonic réside dans sa capacité à comprendre et à réagir à des dialogues complexes. Contrairement aux autres modèles vocaux, Nova Sonic sait quand intervenir pendant une conversation, en tenant compte des pauses et des interruptions de l’utilisateur. En outre, il est capable de générer une transcription texte de la parole de l’utilisateur, ce qui est particulièrement utile pour les développeurs souhaitant intégrer cette fonctionnalité dans diverses applications.
Lors de tests de reconnaissance vocale multilingues, Nova Sonic a affiché des résultats intéressants. Sur le benchmark Multilingual LibriSpeech, qui mesure la reconnaissance vocale à travers plusieurs langues (anglais, français, italien, allemand et espagnol), le modèle a obtenu un taux d’erreur de seulement 4,2 %, un résultat bien supérieur à la moyenne des modèles concurrents. Par ailleurs, dans un test mesurant la capacité du modèle à interagir lors d’échanges bruyants impliquant plusieurs participants, Nova Sonic a surpassé le modèle GPT-4o-transcribe d’OpenAI de 46,7 % en matière de précision.
Une vitesse de traitement inégalée
Un autre domaine dans lequel Nova Sonic excelle est la vitesse de traitement. Selon Amazon, le modèle présente une latence perçue moyenne de seulement 1,09 seconde, soit plus rapide que le modèle GPT-4o d’OpenAI, qui répond en 1,18 seconde. Cette rapidité est cruciale pour garantir une interaction fluide et naturelle dans des contextes d’utilisation réels, où la réactivité est essentielle.
Nova Sonic représente ainsi un élément clé de la stratégie d’Amazon pour développer l’intelligence artificielle générale (AGI). Cette ambition vise à créer des systèmes d’IA capables d’effectuer toutes les tâches qu’un humain peut accomplir sur un ordinateur. Dans les mois à venir, Amazon prévoit de dévoiler de nouveaux modèles d’IA, capables de comprendre diverses modalités, telles que les images, la vidéo, la voix, et d’autres types de données sensorielles qui pourraient être utiles dans des applications physiques.
