നോവ സോണിക് എന്ന പേരിൽ ഒരു പുതിയ ആർട്ടിഫിഷ്യൽ ഇൻറലിജൻസ് മോഡൽ പുറത്തിറക്കി ടെക് ഭീമൻമാരായ ആമസോൺ. ഒരേസമയം ശബ്‍ദം മനസിലാക്കാനും ശബ്‍ദം സൃഷ്ടിക്കാനും കഴിയുന്ന ഒരു സംവിധാനമാണിത്. ആമസോൺ ബെഡ്‌റോക്കിലെ ഒരു പുതിയ എപിഐ (ആപ്ലിക്കേഷൻ പ്രോഗ്രാമിംഗ് ഇൻറർഫേസ്) വഴി ഈ മോഡൽ ലഭ്യമാകും.
മനുഷ്യരെപ്പോലെ സ്വാഭാവികമായി ഇടപെടാൻ കഴിയുന്ന എഐ അധിഷ്ഠിത ആപ്പുകൾ സൃഷ്ടിക്കുന്നത് നോവ സോണിക് എളുപ്പമാക്കുമെന്ന് ആമസോൺ പറയുന്നു. കസ്റ്റമർ സർവീസ്, യാത്ര, വിദ്യാഭ്യാസം, ആരോഗ്യ സംരക്ഷണം, വിനോദം തുടങ്ങിയ വിവിധ മേഖലകളിലെ എഐ ഏജൻറുമാരുമായി എളുപ്പത്തിലും സ്വാഭാവികമായും ഇടപഴകലുകൾ നൽകുന്നതിലൂടെ വോയ്‌സ് ആപ്ലിക്കേഷൻ വികസനത്തിൽ നോവ സോണിക് സഹായിക്കുമെന്നും കമ്പനി പറയുന്നു.
നോവ സോണിക്കിന് 1.09 സെക്കൻഡ് പ്രതികരണ ലേറ്റൻസി ഉണ്ടെന്ന് ആമസോൺ പറയുന്നു. ഇത് ഓപ്പൺഎഐയുടെ GPT-4o യുടെ 1.18 സെക്കൻഡിനെ മറികടക്കുന്നു. കൂടാതെ ശബ്‍ദാനമയമായ അന്തരീക്ഷത്തിലോ കുറഞ്ഞ ശബ്‍ദത്തിലോ പോലും ഉപയോക്താക്കളെ മനസിലാക്കാൻ ഈ മോഡലിന് കഴിയും. ഓപ്പൺഎഐയുടെ GPT-4o നെ അപേക്ഷിച്ച് 80 ശതമാനം വരെ ചെലവ് ലാഭിക്കുന്ന, ഏറ്റവും ചെലവ് കുറഞ്ഞ വോയ്‌സ് എഐ മോഡലാണ് നോവ സോണിക്കെന്നും ആമസോൺ പറയുന്നു.
ഒന്നിലധികം എഐ മോഡലുകൾ ഒരുമിച്ച് പ്രവർത്തിക്കേണ്ടിവരുന്ന വോയ്‌സ് ആപ്പുകൾ നിർമ്മിക്കുന്നതിൽ നേരിടുന്ന ബുദ്ധിമുട്ടുകൾ നോവ സോണിക് മറികടക്കുമെന്നും ആമസോൺ പറയുന്നു. ഈ പുതിയ മോഡൽ ശബ്‍ദം മനസിലാക്കുക, ശബ്‍ദം സൃഷ്‍ടിക്കുക എന്നീ രണ്ട് ജോലികളും ഒരേ മോഡലിൽ ചെയ്യുന്നു. അതുകൊണ്ട് കേൾക്കുന്ന ഇൻപുട്ടിനെ അടിസ്ഥാനമാക്കി എഐക്ക് അതിന്റെ ശബ്‍ദം മാറ്റാൻ കഴിയും. അങ്ങനെ അത് മനുഷ്യ സംഭാഷണം പോലെ തോന്നിപ്പിക്കും. ഏത് ടോൺ, സ്റ്റൈൽ, വേഗത എന്നിവ ഉപയോഗിച്ചാണ് പ്രതികരിക്കേണ്ടതെന്ന് മനസിലാക്കാനും നോവ സോണിക്ക് കഴിയും.
