🎁 新人 免费注册,送 10 次调用,最高 $1,免绑卡。

nova-2-sonic

发布于 2025-12-02

邀请测试 工具调用

Amazon Nova 2 Sonic 是亚马逊的语音对语音基础模型,用于构建自然的实时语音对话应用,Nova 用户指南把它瞄准交互式语音助手、客服自动化和对话式应用。

输入
音频 文本 $0.06/M
输出
音频 文本 $0.24/M
音频输入
$3/M
音频输出
$12/M

厂商牌价,无平台加价,按量付费。 以下为官方 list 价。登录客户可在 /console/pricing 查看含工作空间折扣的实际价格。

价格 · 在 6 个同类模型中的位置

输入$0.06/M
$0.06 · nova-2-sonic GPT Realtime · $4
输出$0.24/M
$0.24 · nova-2-sonic GPT Realtime 2.1 · $24

这条线显示该模型的价格,在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价,批量、区域和缓存写入的折扣见价格页。

规格与限制

Token

上下文窗口(厂商规格) 1,000,000
最大输出(厂商规格) 64,000

音频

语言 英语(US、UK、印度、澳大利亚)、法语、意大利语、德语、西班牙语、葡萄牙语和印地语,支持自动语种检测和会话中途切换
音频限制
  • 通过 InvokeModelWithBidirectionalStream 进行双向流式
  • audio/lpcm、16-bit、单声道、base64,输入 16 kHz、输出 24 kHz
  • 连接上限 8 分钟,更长的对话可采用文档化的会话续接模式
  • 仅支持区域内推理(us-east-1、us-west-2、eu-north-1、ap-northeast-1)
流式转写 支持

实时语音

语音 每个区域设置都提供偏女声和偏男声的音色(tiffany/matthew en-US,amy en-GB,olivia en-AU,kiara/arjun en-IN 与 hi-IN,ambre/florian fr-FR,beatrice/lorenzo it-IT,tina/lennart de-DE,lupe/carlos es-US,carolina/leo pt-BR);tiffany 和 matthew 是能讲全部受支持语言的多语音色。
会话能力
  • 智能轮次交替,端点检测灵敏度可配置
  • 优雅的打断处理且不丢失上下文
  • 函数调用支持异步工具处理(工具运行期间助手继续说话)
  • RAG 事实依据
  • 同一对话中混合音频与文本输入
  • 连接上限 8 分钟

模型

模态 音频 + 文本 → 音频 + 文本
  • 亚马逊面向实时语音应用的语音到语音基础模型,通过双向流式 API 而非请求/响应式 API 访问
  • 它会根据输入语音的韵律调整表达,并能在一句话内切换语言
  • 文档记载它对背景噪声和受支持语言中的口音都很稳健

依据 Amazon 官方文档 ↗

30 秒用上 nova-2-sonic

兼容 OpenAI Realtime:通过 WebSocket 连接,音频进、音频出。WS /v1/realtime

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=nova-2-sonic"
# Send ONLY the Authorization header — the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) configure the speech-to-speech session
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "output_modalities": ["audio"],
                "audio": {"output": {"voice": "alloy"}},
            },
        }))
        # 2) send input audio (base64 PCM16), then request a spoken reply
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        await ws.send(json.dumps({"type": "response.create"}))
        # 3) stream the model's audio (and text) back
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "response.audio.delta":
                play(base64.b64decode(ev["delta"]))   # audio out
            elif ev["type"] == "response.done":
                break

asyncio.run(main())

关于 nova-2-sonic

  • 它通过双向流式 API 而非请求响应式 API 访问,这正是低延迟多轮对话得以成立的原因;官方文档列出 1M token 上下文窗口和 64K 最大输出 token,同一段对话中同时接受音频和文本,并返回音频和文本。
  • 音色覆盖美式、英式、印度和澳大利亚英语,外加法语、意大利语、德语、西班牙语、葡萄牙语和印地语,每种都提供偏男声和偏女声两类,并支持自动语言检测与切换;多语音色可说任何受支持的语言,因此来电者在会话中途更换语言时人设保持不变。
  • 对话行为是它的卖点:表达方式随输入语音的韵律调整,智能的轮次接管能检测说话者是否已经说完,打断可以被优雅处理而不丢上下文,文档还称它对背景噪声以及受支持语言中的口音具备稳健性。
  • 支持函数调用和智能体工作流,可通过检索增强生成在企业数据上建立知识依据,异步工具处理让助手在工具于后台运行期间继续说话。
  • 有一项限制需要在设计时考虑:连接上限为八分钟,示例代码中给出了用于更长对话的续接与会话延续方案。
  • 可用区域限于少数几个。
  • Synthorai 通过 OpenAI 兼容的 /v1/realtime WebSocket 端点提供它,官方 Realtime SDK 客户端无需修改即可连接。

常见问题

nova-2-sonic API 可以免费试用吗?

nova-2-sonic 目前处于邀请测试阶段:需申请开通,而非开放注册。在 Synthorai 控制台提交申请,通过后即按标准量付费计费,无需订阅。

nova-2-sonic 最擅长什么?

面向实时语音对话的语音对语音模型、多语音色在切换语言时保持同一人设、连接上限八分钟,并有文档化的续接方案。完整能力请见「关于」部分,内容取自厂商官方发布说明。

nova-2-sonic 的价格是多少?

在 Synthorai 上,nova-2-sonic 输入 $0.06/百万 token、输出 $0.24/百万 token,即厂商牌价,无平台加价。

如何调用 nova-2-sonic API?

nova-2-sonic 是语音对话(speech-to-speech)模型:通过 WebSocket 连接 wss://synthorai.io/v1/realtime?model=nova-2-sonic,用 OpenAI Realtime SDK(或原生 WebSocket)即可,音频输入、音频输出。它不是 POST /v1/audio/transcriptions 文件上传接口。用你的 sk-syn key 鉴权,只发 Authorization 头(beta 协议已下线)。

如何开通 nova-2-sonic?

nova-2-sonic 处于邀请测试阶段:在 Synthorai 控制台申请开通。审批通过后与其他模型用法一致:把 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "nova-2-sonic" 即可。

相关模型

对比

本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。

免费获取 API key 算算你的成本 →