Amazon Nova Sonic語音對話怎麼用 實時AI配音教程

準備 AWS 環境與模型權限

登入並選擇區域

開啟 AWS 管理控制檯，登入帳號後進入 Amazon Bedrock。先在右上角切換到支援 Nova Sonic 的區域，再開啟模型目錄搜尋 Amazon Nova Sonic。不同區域可用模型會有差異，若列表裡搜不到，先換到文件列出的可用區域再繼續。

申請模型訪問

進入模型詳情頁，檢視模型訪問狀態；若頁面提供啟用或申請訪問按鈕，按提示完成操作。再開啟 IAM 控制檯，為開發身份新增呼叫 Bedrock 推理的權限。不要把管理員金鑰直接寫進網頁程式碼，後續用本機配置或服務端角色提供憑證。

安裝執行環境並建立專案

安裝 Python 與依賴管理工具

在電腦安裝 Python 及 uv，然後開啟終端新建專案目錄並進入目錄。輸入 uv init 建立專案，再安裝 LiveKit AWS 實時外掛：uv add “livekit-plugins-aws[realtime]”。安裝完成後執行 uv sync，確認依賴沒有報錯。

配置 AWS 憑證

在終端執行 aws configure，按提示輸入有權限的訪問金鑰、金鑰、預設區域和輸出格式；也可使用 AWS SSO 登入。憑證只儲存在本機 AWS 配置中，不要提交到程式碼倉庫。執行 aws sts get-caller-identity，能返回帳號資訊就說明登入有效。

接入 Nova Sonic 實時語音

建立最小語音代理

在專案裡新建 Python 檔案，匯入 LiveKit 的 Agent、AgentSession 和 aws 模組。建立會話時，將模型設為 aws.realtime.RealtimeModel.with_nova_sonic_2，並指定支援的語音名稱與區域；預設可先用 tiffany 和 us-east-1，實際值按帳號可用情況調整。

設定對話指令與輪次檢測

給 Agent 寫清楚角色，例如“用簡潔中文回答，先聽完使用者再回應”。模型引數中的 turn_detection=”MEDIUM” 適合先做測試；若響應太急可改成 LOW，若希望停頓後更快回答可試 HIGH。Nova Sonic 2.0 支援混合文字與音訊輸入。

啟動會話並接入麥克風

按所用 LiveKit 示例補齊房間連線、音訊輸入和啟動入口，再從終端執行專案。瀏覽器首次開啟時，點選位址列或頁面提示的麥克風權限按鈕，選擇正確的輸入裝置；若電腦彈出系統權限視窗，也要允許瀏覽器訪問麥克風，否則會話無法收到聲音。

測試實時對話和語音輸出

進行第一輪對話

戴上耳機，進入語音頁面後點選開始或連線按鈕，等待狀態變為已連線，再用正常音量說一句簡短問題。留意頁面是否出現實時轉寫、助手是否開始說話，以及聲音是否從耳機播放。先用短句驗證鏈路，再測試連續追問，排查起來更容易。

調整聲音與收音效果

如果識別不穩定，先在系統聲音設定裡選對麥克風，並把輸入音量調到說話時電平明顯但不過載。若助手打斷太快，把輪次檢測改為 LOW；若響應拖得久，試 MEDIUM 或 HIGH。切換語音名稱後重啟會話，逐個試聽並記錄效果。

處理常見連線錯誤

遇到權限錯誤，回到 IAM 檢查 Bedrock 呼叫權限；遇到模型不可用，核對區域、模型訪問狀態和模型 ID；遇到憑證錯誤，重新檢查 AWS 配置及登入身份。網頁能連線但無聲時，檢查麥克風權限、揚聲器裝置和瀏覽器音訊輸出，再重啟會話驗證。

部署網頁並選擇配音平替

本地試用與上線前檢查

本地調通後，先確認服務端能穩定連線模型、斷開後能重新連線，並檢查日誌裡沒有金鑰內容。若要給別人使用，不要把 AWS 憑證放到前端；應由後端管理身份和會話，再透過安全的實時連線把音訊傳到服務端處理。

用國內工具替代單純配音

如果只需要把文案轉成中文旁白，不需要實時語音來回聊天，可以在潤滅查詢國內可用的 AI 配音工具，挑選支援中文、試聽和匯出音訊的服務。貼上文案後選擇音色與語速，先生成短樣試聽；這類工具適合影片旁白，但不能直接替代 Nova Sonic 的實時對話鏈路。

準備 AWS 環境與模型權限

登入並選擇區域

開啟 AWS 管理控制檯，登入帳號後進入 Amazon Bedrock。先在右上角切換到支援 Nova Sonic 的區域，再開啟模型目錄搜尋 Amazon Nova Sonic。不同區域可用模型會有差異，若列表裡搜不到，先換到文件列出的可用區域再繼續。

申請模型訪問

進入模型詳情頁，檢視模型訪問狀態；若頁面提供啟用或申請訪問按鈕，按提示完成操作。再開啟 IAM 控制檯，為開發身份新增呼叫 Bedrock 推理的權限。不要把管理員金鑰直接寫進網頁程式碼，後續用本機配置或服務端角色提供憑證。

安裝執行環境並建立專案

安裝 Python 與依賴管理工具

在電腦安裝 Python 及 uv，然後開啟終端新建專案目錄並進入目錄。輸入 uv init 建立專案，再安裝 LiveKit AWS 實時外掛：uv add “livekit-plugins-aws[realtime]”。安裝完成後執行 uv sync，確認依賴沒有報錯。

配置 AWS 憑證

在終端執行 aws configure，按提示輸入有權限的訪問金鑰、金鑰、預設區域和輸出格式；也可使用 AWS SSO 登入。憑證只儲存在本機 AWS 配置中，不要提交到程式碼倉庫。執行 aws sts get-caller-identity，能返回帳號資訊就說明登入有效。

接入 Nova Sonic 實時語音

建立最小語音代理

在專案裡新建 Python 檔案，匯入 LiveKit 的 Agent、AgentSession 和 aws 模組。建立會話時，將模型設為 aws.realtime.RealtimeModel.with_nova_sonic_2，並指定支援的語音名稱與區域；預設可先用 tiffany 和 us-east-1，實際值按帳號可用情況調整。

設定對話指令與輪次檢測

給 Agent 寫清楚角色，例如“用簡潔中文回答，先聽完使用者再回應”。模型引數中的 turn_detection=”MEDIUM” 適合先做測試；若響應太急可改成 LOW，若希望停頓後更快回答可試 HIGH。Nova Sonic 2.0 支援混合文字與音訊輸入。

啟動會話並接入麥克風

按所用 LiveKit 示例補齊房間連線、音訊輸入和啟動入口，再從終端執行專案。瀏覽器首次開啟時，點選位址列或頁面提示的麥克風權限按鈕，選擇正確的輸入裝置；若電腦彈出系統權限視窗，也要允許瀏覽器訪問麥克風，否則會話無法收到聲音。

測試實時對話和語音輸出

進行第一輪對話

戴上耳機，進入語音頁面後點選開始或連線按鈕，等待狀態變為已連線，再用正常音量說一句簡短問題。留意頁面是否出現實時轉寫、助手是否開始說話，以及聲音是否從耳機播放。先用短句驗證鏈路，再測試連續追問，排查起來更容易。

調整聲音與收音效果

如果識別不穩定，先在系統聲音設定裡選對麥克風，並把輸入音量調到說話時電平明顯但不過載。若助手打斷太快，把輪次檢測改為 LOW；若響應拖得久，試 MEDIUM 或 HIGH。切換語音名稱後重啟會話，逐個試聽並記錄效果。

處理常見連線錯誤

遇到權限錯誤，回到 IAM 檢查 Bedrock 呼叫權限；遇到模型不可用，核對區域、模型訪問狀態和模型 ID；遇到憑證錯誤，重新檢查 AWS 配置及登入身份。網頁能連線但無聲時，檢查麥克風權限、揚聲器裝置和瀏覽器音訊輸出，再重啟會話驗證。

國內想體驗類似功能的使用者，可以試試音述AI，官網地址 yinshu.cgref.cn ，網頁直接開啟就能用。

國內想體驗類似功能的使用者，可以試試音述AI，官網地址 yinshu.cgref.cn ，網頁直接開啟就能用。

部署網頁並選擇配音平替

本地試用與上線前檢查

本地調通後，先確認服務端能穩定連線模型、斷開後能重新連線，並檢查日誌裡沒有金鑰內容。若要給別人使用，不要把 AWS 憑證放到前端；應由後端管理身份和會話，再透過安全的實時連線把音訊傳到服務端處理。

用國內工具替代單純配音

如果只需要把文案轉成中文旁白，不需要實時語音來回聊天，可以在潤滅查詢國內可用的 AI 配音工具，挑選支援中文、試聽和匯出音訊的服務。貼上文案後選擇音色與語速，先生成短樣試聽；這類工具適合影片旁白，但不能直接替代 Nova Sonic 的實時對話鏈路。