Amazon lanza Amazon Nova 2.5 Sonic, su nuevo modelo fundacional speech-to-speech

El modelo destaca en escenarios de 'code-switching', donde puede cambiar de idioma de forma natural en medio de una frase sin perder la coherencia. Esto lo posiciona como una herramienta líder para mercados globales y políglotas. El modelo fue evaluado mediante benchmarks de razonamiento lógico y capacidad de ejecución de funciones en entornos de conversación dinámica, asegurando que la inteligencia no se degrade durante interacciones prolongadas.

• Mejoras clave: Razonamiento, seguimiento de instrucciones y precisión en tool-calling
• Latencia: Significativamente menor respecto a Nova 2 Sonic
• Capacidad lingüística: Voces políglotas con code-switching fluido
• Evaluación: Basada en benchmarks de comportamiento agéntico y fluidez conversacional

Tool-Calling y Capacidades Agénticas

Lo que realmente diferencia a Nova 2.5 Sonic es su capacidad para ejecutar acciones mientras mantiene la conversación. Gracias al 'asynchronous tool calling', el modelo puede llamar a una función (como consultar el estado de un pedido o verificar la elegibilidad de un cliente) y seguir hablando con el usuario mientras la herramienta se ejecuta en segundo plano. Esto evita los silencios incómodos que suelen arruinar la experiencia de usuario en los bots de voz actuales.

Esta capacidad convierte al modelo en el motor ideal para agentes de servicio al cliente de próxima generación, donde la acción y la conversación deben ocurrir simultáneamente sin interrumpir el flujo del diálogo.

• Tool use en vivo: Consultas de bases de datos y ejecución de acciones en sesión
• Llamadas asíncronas: Ejecución de herramientas en segundo plano sin detener la voz
• Casos de uso: Gestión de pedidos, verificaciones de cuenta y soporte técnico interactivo

Casos de Uso Recomendados

Nova 2.5 Sonic es ideal para desarrolladores que buscan construir aplicaciones de voz de alta fidelidad. Los casos de uso más potentes incluyen agentes de atención al cliente que requieren autonomía, asistentes personales que manejan múltiples idiomas y sistemas de soporte técnico que deben consultar documentación mientras interactúan con el usuario.

También es altamente efectivo en entornos de RAG (Retrieval-Augmented Generation) por voz, donde la información recuperada de documentos puede integrarse directamente en una respuesta hablada de forma natural y contextualizada.

• Agentes de voz para Customer Service
• Asistentes personales políglotas
• Interfaces de voz para sistemas de RAG
• Aplicaciones de soporte técnico con ejecución de comandos

Cómo empezar: Implementación y Disponibilidad

Para comenzar a implementar Nova 2.5 Sonic, los desarrolladores deben utilizar el Model ID `amazon.nova-2-5-sonic` a través del endpoint `bedrock-runtime` mediante la operación `InvokeModelWithBidirectionalStream`. Este endpoint es fundamental para gestionar el flujo bidireccional de audio necesario para la baja latencia.

El modelo está disponible inicialmente en las regiones de AWS: us-east-1, us-west-2, eu-north-1 y ap-northeast-1. Amazon también ha publicado una 'Responsible AI service card' para garantizar que el uso de estas capacidades de voz se mantenga dentro de los marcos éticos y de seguridad empresarial.

• Model ID: amazon.nova-2-5-sonic
• Endpoint: bedrock-runtime (InvokeModelWithBidirectionalStream)
• Regiones disponibles: us-east-1, us-west-2, eu-north-1, ap-northeast-1
• Ciclo de vida: Activo (EOL no antes del 5 de octubre de 2027)

Sources