英文原标题:How Stretto built an AI voice agent with Amazon Nova 2 Sonic

本文为英文原文的机器翻译摘要,原文见:AWS Machine Learning Blog ↗

  • Stretto 在 Bankruptcy.com 上原本用网页表单收集潜在破产申请人的信息,但表单字段少导致线索质量低、利润薄;若加长表单又会增加放弃率,而电话访谈虽能获取更敏感的财务细节,却因人工成本过高难以实施。
  • Stretto 与 AWS Generative AI Innovation Center 及 AWS 合作伙伴 CI&T 合作,基于 Amazon Bedrock 上的语音到语音模型 Amazon Nova 2 Sonic 构建了 AI 语音代理 Tara,通过电话进行多阶段破产信息采集访谈,并依据律师定义的规则对线索进行分类。
  • 选择 Nova 2 Sonic 的三个关键原因:成本(相比之前方案每分钟语音成本降低 95%)、延迟(之前方案首音频延迟超过 500 毫秒,Nova 2 Sonic 设计为低延迟)、打断处理(之前方案对插话处理不佳,Nova 2 Sonic 设计为不中断会话)。
  • 架构上,呼叫通过 Twilio 经 WebSocket 进入 AWS,经过 AWS WAF 和 Application Load Balancer 到达运行在 Amazon ECS on Fargate 上的语音桥接服务,该服务与 Nova 2 Sonic 流式传输音频;通话后,SQS 将转录文本交给异步处理器,使用 Claude 3 Haiku 提取结构化字段并存入 Aurora Serverless v2。
  • 团队采用分阶段方法:先验证语音质量,再构建生产集成,然后在真实呼叫者验证系统后扩展问卷范围。

关键数据

  • Stretto 报告称,基于 2026 年 4 月 us-east-1 的 Amazon Bedrock 按需定价,每分钟语音成本相比之前方案降低了 95%。
  • 之前方案的首次音频延迟超过 500 毫秒。
  • 语音桥接任务跨三个可用区持续运行以实现高可用性。
  • 使用 Anthropic 的 Claude 3 Haiku 从对话转录中提取结构化数据。

为什么值得看:该案例展示了如何利用 Amazon Nova 2 Sonic 等语音到语音模型,在敏感金融场景中构建低成本、低延迟且能自然处理打断的 AI 语音代理,从而替代传统网页表单并提升线索质量。

站内导航