Amazon Nova 2.5 Sonic 是 AWS 面向实时语音智能体的语音转语音模型，于 2026 年 10 月 5 日宣布在 Amazon Bedrock 上正式可用。它是 Nova 2 Sonic（2025 年 12 月）的小版本升级，AWS 对变化说得很明确：推理、指令遵循与工具调用准确率更高，延迟更低——而 API、声音、语言支持与价格都保持不变。
这个定位很关键。这不是新模型家族，也不是新价格档，而是给同一套语音栈换了一个更聪明的大脑。如果你已经基于 Nova 2 Sonic 开发，升级路径是换模型，而不是重写。
相比 Nova 2 Sonic 变了什么
- 推理与指令遵循。 模型要做到保持上下文、遵循多步指令，并使用连接的工具完成客户任务——AWS 的例子是在通话中查询订单、核查退货资格并发起退货的客服智能体。
- 工具调用准确率。 服务卡称使用了开源模型来提升工具调用与指令遵循。
- 延迟更低，轮次交替更快更自然。AWS 没有给出具体数字。
- 保持不变： API、18 种声音与语言支持都与 Nova 2 Sonic 相同。
能力
- 语音理解对不同说话风格有较强鲁棒性，响应会自适应用户语音的韵律。
- 富有表现力的语音生成，18 种声音（男声与女声），覆盖英语（美国、英国、印度、澳大利亚）、西班牙语、德语、法语、意大利语、巴西葡萄牙语与印地语。
- 可控的轮次交替，能在不丢失上下文的前提下优雅处理打断。
- 同一会话内的语音与文本，以及异步工具调用，让智能体在任务运行时可以继续说话。
- 256K 上下文窗口（据 AWS 公告）。
- 跨模态输入与智能体框架： Nova 2.5 Sonic 可配合已全面推出的 Strands Bidi Agents 使用，几行代码就能处理音频 I/O、工具、更长的对话以及与其他智能体的连接，并带 OpenTelemetry 追踪。
定价
AWS 表示 Nova 2.5 Sonic 的定价与 Nova 2 Sonic 相同。AWS 自己的定价页是动态渲染的，所以下面的每 token 价格是第三方指数追踪的 Nova 2 Sonic 标准档数字，请在 Bedrock 控制台确认：
| token 类型 | 每 100 万 token |
|---|---|
| 语音输入 | $3.00 |
| 语音输出 | $12.00 |
| 文本输入 | $0.33 |
| 文本输出 | $2.75 |
文本 token 价格适用于转写、工具调用、知识接地与对话历史。各区域价格不同——东京的标价高于美国东部。Bedrock 在部分模型上还提供 Priority、Flex 与 Reserved 服务层级，请确认 Nova 2.5 Sonic 适用哪些层级。
可用性与限制
- 区域： Amazon Bedrock 的美国东部（弗吉尼亚北部）、美国西部（俄勒冈）、欧洲（斯德哥尔摩）与亚太（东京）。
- 模型 ID： Strands Agents 文档使用
amazon.nova-2-5-sonic。 - 连接时长： 每个 Nova Sonic 连接限制为八分钟。Strands 的
BidiAgent在七分钟后安排重启，并把最多 200 KiB 的近期历史重放到新连接。 - 音频： 单声道 PCM；Strands 默认输入输出均为 16 kHz，可设置 24 kHz 输出。
- 语言范围： 官方仅发布并支持英语、西班牙语、德语、法语、意大利语、葡萄牙语与印地语。用于其他语言可能导致语音识别准确率下降、声音不够自然或内容错误。
- 上下文差异： AWS 公告标注 256K 上下文窗口；Nova 2 Sonic 的 Bedrock 模型卡写的是 1M token。请把确切上限当作需要在你所在区域验证的事项。
AWS 尚未公布的内容
目前没有 Nova 2.5 Sonic 的基准分数，没有延迟数字，也没有与 GPT 类实时模型或 Gemini Live 的直接对比。服务卡描述了评估方法与预期用途，但没有结果。在出现独立测量之前，请把「推理能力提升」看作厂商给出的方向，而非实测收益。
横向对比
- 对比 Qwen-Audio 3.1 Realtime： 阿里的全双工模型覆盖 11 种语言加中文地方话，公布了基准成绩（τ²-Bench Audio 82.19%），音频输出标价每百万 token $24；Nova 2.5 Sonic 的优势在于 AWS 集成、Bedrock 安全与计费，以及价格延续性。
- 对比其他实时语音模型： Strands 的发布文章把 GPT-Realtime-2.1 与 Gemini 3.8 Live 列为 Bidi Agents 可连接的其他前沿语音模型——请按语言覆盖、你自己对话里的工具调用准确率以及云厂商绑定程度来选择。
- 对比 MAI-Voice-2.1： MAI-Voice 是需要搭配独立转写模型的文字转语音模型；Nova Sonic 是单一的语音转语音模型，在一个流里完成倾听、推理与说话。
- 对比 Gemini 3.8 Flash TTS： Gemini Flash TTS 是非对话式的语音生成器；Nova Sonic 为可打断、可调用工具的实时对话而生。
局限
- 没有 2.5 的基准与延迟数字。
- 仅支持七种语言、四个区域。
- 八分钟连接限制，需要重启并重放历史。
- 价格细节需在 AWS 动态定价页上确认。
其他语音与声音模型见音频模型目录。
适用场景
- 在通话中查询记录并执行操作的客服语音智能体
- 个人语音助手与实时对话类应用
- 需要 Bedrock 安全与计费、基于 AWS 的语音界面
- 使用 Strands Bidi Agents 的智能体间协作与多步工作流
优缺点
优势
- 瞄准语音智能体最难的部分——多步指令、上下文保持，以及在一次对话里完成客户任务的工具调用（查订单、核查退货资格、发起退货）
- 延迟比 Nova 2 Sonic 更低，支持可控的轮次交替、同一会话内的语音与文本，以及异步工具调用
- 可直接替换的继任者——与 Nova 2 Sonic 的 API、声音和语言支持一致，价格也相同
- 通过 Amazon Bedrock 加上已全面推出的 Strands Bidi Agents 走生产路径，后者也可对接其他厂商的语音模型
局限
- 没有 2.5 的基准数字——AWS 只说推理、指令遵循与工具调用准确率有提升，未给出分数
- 官方仅支持七种语言（英语、西班牙语、德语、法语、意大利语、葡萄牙语、印地语）；AWS 暂不建议用于其他语言
- 区域限于四个（弗吉尼亚北部、俄勒冈、斯德哥尔摩、东京）；Bedrock 上每个 Sonic 连接限制为八分钟，长通话需要重启连接
- AWS 为 2.5 标注 256K 上下文窗口，而 Nova 2 Sonic 的模型卡写的是 1M——设计前请先在 Bedrock 控制台确认上限
常见问题
Amazon Nova 2.5 Sonic 是什么？
Amazon Nova 2.5 Sonic 是 AWS 面向自然、实时语音智能体的语音转语音模型，2026 年 10 月 5 日起在 Amazon Bedrock 上正式可用。它是 Nova 2 Sonic 的继任者，推理、指令遵循与工具调用准确率更高，延迟更低。
Nova 2.5 Sonic 多少钱？
AWS 表示价格与 Nova 2 Sonic 相同。对于 Nova 2 Sonic，第三方追踪的标准档价格是语音输入每百万 token $3、语音输出每百万 token $12，另外转写、工具调用与历史记录使用的文本输入、输出 token 为每百万 $0.33 与 $2.75。当前价格与区域差异请以 Amazon Bedrock 定价页为准。
Nova 2.5 Sonic 支持哪些语言？
英语（美国、英国、印度、澳大利亚）、西班牙语、德语、法语、意大利语、巴西葡萄牙语与印地语，共 18 种富有表现力的声音。AWS 表示模型虽然用多语言数据训练，但不建议用于其他语言，否则语音识别准确率和自然度可能下降。
Nova 2.5 Sonic 比 Nova 2 Sonic 好吗？
AWS 称它的推理、指令遵循与工具调用更强、延迟更低，其服务卡也说明使用了开源模型来改进工具调用与指令遵循。AWS 没有公布基准数字，所以迁移前请在你自己的带工具对话上测试。
Nova 2.5 Sonic 在哪些地方可用？
Amazon Bedrock 的美国东部（弗吉尼亚北部）、美国西部（俄勒冈）、欧洲（斯德哥尔摩）与亚太（东京）区域。Strands Agents 文档中的模型 ID 为 amazon.nova-2-5-sonic，可配合其 Bidi Agents 使用。
连接限制是多少？
Strands Agents 文档写明 Nova Sonic 把每个连接限制为八分钟。其 BidiAgent 默认在七分钟后重启连接，并把对话历史重放到新连接中。