PolyAI Dialog-RSN-1 上架 AWS Marketplace 与 SageMaker JumpStart:一键部署实时语音对话模型,目前仅限英文
AWS 宣布 PolyAI 的实时对话推理模型 Dialog-RSN-1 现可在 AWS Marketplace 与 SageMaker JumpStart 获取,可部署于客户自己的 AWS 账户。目前仅支持英文,连接最长 30 分钟。
新闻日期: 阅读时间约 5 分钟
AWS 在机器学习博客宣布,PolyAI 的 Dialog-RSN-1 现已可在 AWS Marketplace 与 Amazon SageMaker JumpStart(SageMaker AI 内的机器学习模型中心)获取,AWS 称其为 PolyAI 首个上架 AWS Marketplace 的模型。AWS 表示今天起即可使用,未提及预览版或候补名单,但也未说明开放的地区范围。对需要搭建电话客服语音代理的团队而言,这意味着可以沿用已有的 AWS 账务、网络与权限机制来部署实时对话模型。
Dialog-RSN-1 是什么?和传统语音代理有何不同?
根据 AWS 介绍,Dialog-RSN-1 是专为实时复杂对话打造的推理模型,可听取通话、推理并实时行动。AWS 指出,它在单一流程中直接感知来电者音频、推理需求并作出回应,没有独立的语音转文字步骤,也没有另一个决定何时开口的模型,因此减少了多次交接。
AWS 称,由于模型直接处理音频,能捕捉语气、迟疑与时机等纯文字记录会丢失的信号,并自行判断回应时机。AWS 还表示,通话量高峰时 barge-in(来电者在系统说话时插话打断)仍可运作,且文字记录来自音频本身。这些属于 AWS 与 PolyAI 的产品描述,文中未提供可供比较的性能数据。
如何获取?支持哪些部署方式与规格?
AWS 介绍了两条路径:通过 AWS Marketplace 订阅并部署为 SageMaker 端点(endpoint,让应用程序可连接调用模型的在线服务),或直接从 SageMaker JumpStart 部署。JumpStart 的步骤为:在 SageMaker AI 控制台打开 Model Hub,从 JumpStart 目录选择 Dialog-RSN-1,然后选择 Deploy。自动化流程也可使用 SageMaker Python SDK,博客文中附有说明代码路径的 GitHub 仓库。
| 项目 | AWS 所述内容 |
|---|---|
| 获取渠道 | AWS Marketplace 订阅;SageMaker JumpStart / Studio 部署 |
| 通信协议 | OpenAI Realtime 协议,通过 PolyAI 的 bridge 并更换 base URL |
| 音频输入 | 16 位 PCM(未压缩的数字音频)单声道,16 或 24 kHz;G.711 或 Opus 须先转码 |
| 连接时长 | 最长 30 分钟 |
| 语言 | 目前仅英文 |
| 优化配置 | 延迟优化、吞吐量优化、成本优化、平衡 |
| 治理与监控 | 用户自己的 VPC、IAM 角色与 CloudWatch |
对现有工作流程有什么影响?
AWS 表示,用户仍保有编排流程、电话集成与业务逻辑,模型负责理解实时通话并作出回应。端点部署在客户的 VPC(虚拟私有云,即客户在 AWS 上隔离的私有网络)中,通过 IAM(身份与访问管理)角色控制访问,并沿用 CloudWatch 日志与指标;费用通过客户的 AWS 账户计费。AWS 称推理在客户账户内进行,来电音频与文字记录留在可控边界内,有助于满足数据驻留与审计需求。
在评估方面,AWS 称 JumpStart 目录提供概览与示例笔记本,可在部署端点后运行 PolyAI 的示例笔记本,流式传输录制的来电音频并输出模型的轮替决策、回复与文字记录。部署前还会显示 P50 延迟(一半请求能在此时间内完成)、首个 token 时间(模型开始生成第一段输出所需时间)与吞吐量,帮助选择 ml.* 实例规格。
常见问题
Dialog-RSN-1 需要自己准备语音转文字服务吗?
依 AWS 描述,模型直接接收来电者音频,没有独立的语音转文字步骤,文字记录由音频本身生成。电话集成与业务逻辑仍由用户负责。
现有的 Realtime 客户端能直接使用吗?
AWS 表示端点支持 OpenAI Realtime 协议,现有 Realtime 客户端可通过 PolyAI 的 bridge,更换 base URL 后连接。
JumpStart 的四种优化配置有何区别?
延迟优化针对交互式实时通话,降低首个 token 时间;吞吐量优化提高每秒 token 数,适合高通话量;成本优化降低每次请求成本;平衡则是通用场景的折中。
支持中文或其他语言吗?
AWS 指出模型目前仅支持英文,未提及其他语言的时间表。
价格是多少?
AWS 博客未提供价格,仅说明费用通过客户的 AWS 账户计费。
觉得这篇整理实用吗?分享给需要的朋友
同主题延伸阅读
Signal 在 Android 与 iOS 27 默认封锁截图,阻止 Siri、Gemini 等 AI 代理读取屏幕
据 The Verge 报道,Signal 在 Android 与 iOS 27 上限制截图,以防操作系统层级的 AI 代理读取消息内容;用户可在设置中恢复截图,但 Signal 警告会削弱隐私保障。
Claude Code 2.1.329:Code Mode 可配合遥测、/tasks 整合定时任务、macOS computer use 安全规则收紧
Kimi Code CLI v2.7.0 新增原生 Bedrock provider:改用 AWS 凭证链连接 Kimi K3.1 Pro Highspeed
AWS 汇总 SageMaker 推理 13 项新功能:HyperPod 托管 NVIDIA Dynamo、MIG GPU 分割、跨区路由
资料来源
本文依据上方所列参考来源与标示之核实日期整理;票价、时刻、功能规格或服务条款可能变动,出发、预订或购买前请至相关官方网站确认最新信息。