Inhoud samenvatten met:
Amazon Nova 2.5 Sonic is sinds 5 oktober 2026 algemeen beschikbaar. AWS benadrukt verbeterde redeneervermogens, het opvolgen van instructies, nauwkeurigheid bij tool-aanroepen en een lagere latentie. Dat zijn relevante beloftes voor voice AI, maar ze vervangen niet het testen met echte telefonische workflows, je eigen data en vooraf gedefinieerde faalcriteria. Bron: officiële AWS-aankondiging, 5 oktober 2026.
Kort antwoord: Evalueer een nieuw speech-to-speech-model niet alleen op basis van hoe prettig het klinkt. Meet of taken worden voltooid, onderbrekingen werken, tools correct worden uitgevoerd, meertalige details behouden blijven en langere sessies gecontroleerd verlopen. De vijf onderstaande tests bieden een reproduceerbaar kader.
Belangrijke context: Dit is geen aankondiging dat Amazon Nova 2.5 Sonic beschikbaar is in Famulor. De modelcatalogus-snapshot van Famulor van 2 oktober 2026 bevat negen realtime modellen, maar niet Nova 2.5 Sonic. Controleer altijd de actuele beschikbaarheid in het platform of de documentatie. Bron: Famulor changelog, 2 oktober 2026.
Waarom een lanceringsbericht nog geen aankoopbeslissing is
AWS omschrijft Nova 2.5 Sonic als een speech-to-speech-model dat audio direct verwerkt en produceert. Volgens de leverancier ondersteunt het zeven talen, controleerbare beurtwisseling, spraak en tekst in dezelfde sessie, en asynchrone tool-aanroepen. De algemene beschikbaarheid geldt in eerste instantie voor geselecteerde Bedrock-regio's in de Verenigde Staten, Europa en Azië. Deze details beschrijven het productoppervlak. Ze laten niet zien hoe een specifieke telefoonworkflow zich gedraagt bij ruis, namen, onderbrekingen of een mislukte tool. Bron: AWS.
Houd drie bewijsniveaus gescheiden:
| Niveau | Antwoorden | Geeft geen antwoord op |
|---|---|---|
| Leveranciersaankondiging | Welke mogelijkheden en regio's AWS noemt | Hoe goed jouw workflow presteert |
| Labtest | Of een samengesteld script slaagt | Hoe stabiel echte telefoongesprekken zijn |
| Productietest | Taakvoltooiing, faalpaden, overdrachten en operaties | Of elk toekomstig gesprek identiek verloopt |
Speech-to-speech (S2S) is een voice-AI-architectuur waarbij een model audio direct verwerkt en audio teruggeeft, in plaats van noodzakelijkerwijs een pijplijn van spraakherkenning, een tekstmodel en spraaksynthese bloot te stellen.
Als je eerst de architectuurvraag moet beantwoorden, lees dan onze gids over realtime en pipeline voice agents. Voor een breder testplan, zie hoe je een AI voice agent test en evalueert. Dit artikel richt zich bewust op de vijf vragen die de lancering van Nova 2.5 Sonic scherper in beeld brengt.
Test 1: Volg tool-aanroepen tot aan het resultaat
Een voice agent is alleen nuttig als deze een actie voltooit, niet alleen als deze de juiste intentie herkent. Test de gehele keten in plaats van een enkele tool-aanroep:
- Identificeert het model de intentie correct?
- Vraagt het om ontbrekende vereiste gegevens?
- Geeft het parameters door in het verwachte formaat?
- Wacht het op het resultaat in plaats van succes te verzinnen?
- Legt het fouten uit en biedt het een veilige volgende stap?
AWS noemt een betere nauwkeurigheid bij tool-aanroepen als verbetering. Dat is een bewering van de leverancier, geen bewijs voor jouw workflow. Bouw ten minste drie versies van elke actie: succes, een verwachte zakelijke fout en een technische fout. Voor het plannen van afspraken kunnen dat een beschikbaar tijdslot, een zojuist ingenomen tijdslot en een kalender-timeout zijn.
Asynchrone tools verdienen hun eigen test. Terwijl een tool draait, mag de agent geen bevestiging fabriceren. Hij moet de status communiceren, vervolgvragen verwerken en pas bevestigen nadat het resultaat binnen is. De enterprise voice-AI modelgids bevat meer criteria voor het kiezen tussen realtime modellen en meer gecontroleerde pijplijnen.
Meet: voltooide taken, geldige parameters, foutafhandeling, dubbele uitvoering en het aandeel gesprekken dat naar een veilige overdracht gaat.
Test 2: Simuleer onderbrekingen en beurtwisselingen realistisch
Controleerbare beurtwisseling klinkt eenvoudig, maar telefoongesprekken voegen echo, pauzes, stopwoorden en achtergrondspraak toe. Een geloofwaardige test heeft daarom meer nodig dan alleen schone, afwisselende beurten.
Neem ten minste deze situaties op:
- De beller onderbreekt een lang antwoord na een paar woorden.
- Ze zeggen alleen “ja”, “uh-huh” of een halve zin.
- Een tweede persoon spreekt op de achtergrond.
- Er is een lange denkpauze midden in een adres.
- De agent begint te antwoorden en wordt direct gecorrigeerd.
- Een speakerphone veroorzaakt echo.
Beoordeel niet alleen of het model stopt met praten. Controleer of het de nieuwe informatie opneemt, eerder verzamelde velden behoudt en op de juiste plek hervat. Ons artikel over full duplex en voice-AI benchmarks legt uit waarom gespreksdynamiek apart moet worden geëvalueerd van spraakherkenning.
De open-source Strands Bidi Agents-implementatie documenteert echo-onderdrukking en OpenTelemetry-spans voor sessies, modellen en tools. Dit is een nuttig architectuursignaal, geen bewijs van kwaliteit op een specifieke telefoonlijn. Bron: Strands Agents.
Meet: valse onderbrekingen, gemiste onderbrekingen, verloren context, dubbele antwoorden en de tijd tot een hoorbare reactie.
Test 3: Beoordeel taal, accenten en kritieke details afzonderlijk
“Ondersteunt zeven talen” vertelt je niet of een agent Duitse straatnamen, Franse achternamen, zinnen in gemengde talen of gespelde e-mailadressen aankan. Bouw een kleine, bedrijfsspecifieke testset voor elke doeltaal.
Een nuttige set bevat:
- namen, plaatsen en merken uit je echte vocabulaire,
- getallen, prijzen, datums en tijden,
- spelling met correcties,
- code-switching tussen twee talen,
- regionale accenten en spreeksnelheden,
- dezelfde taak via mobiele, vaste en speakerphone-audio.
Beoordeel kritieke velden individueel. Een vloeiend gesprek kan nog steeds mislukken als het een huisnummer of klant-ID onjuist opvangt. Voor onomkeerbare of gevoelige acties moet de agent belangrijke waarden herhalen en om bevestiging vragen. Dat is een workflowcontrole, niet iets om alleen aan het model over te laten.
Meet: veldnauwkeurigheid voor namen en getallen, succesvolle bevestigingen, herhalingen per taak, afhaken en menselijke overdracht.
Test 4: Plan voor lange sessies en herverbinding
De duur van een enkele bidirectionele sessie is een praktisch randgeval voor Nova 2.5 Sonic. Strands documenteert een limiet van acht minuten en een mechanisme dat de sessie kort voor de limiet herstart, zodat een langer gesprek kan doorgaan. Test deze overgang zelf wanneer je workflow langere gesprekken toelaat. Bron: Strands Agents.
Een herstart mag er niet toe leiden dat de agent de identiteit opnieuw verifieert, een tool-aanroep herhaalt of een bevestigde beslissing vergeet. Houd de zakelijke gespreksstatus buiten de modelsessie. Behoud alleen wat de workflow vereist, zoals:
- bevestigde contactgegevens,
- voltooide en lopende stappen,
- tool-resultaten met een idempotente transactie-ID,
- toestemmingsstatus waar je proces dit vereist,
- overdrachtreden en een korte samenvatting.
Test de voortzetting vóór, tijdens en na een tool-aanroep. Simuleer ook een echte netwerkonderbreking. Definieer wanneer de agent opnieuw verbinding maakt, terugbelt of overdraagt aan een persoon. Privacy, retentie en toestemming moeten overeenstemmen met je doel en jurisdictie; technische sessiecontinuïteit is geen garantie voor compliance.
Meet: succesvolle voortzetting, dubbele acties, verloren vereiste velden, tijd tot hervatting en veilige beëindiging.
Test 5: Verbind observeerbaarheid met bedrijfsresultaten
Gemiddelde latentie alleen laat niet zien of een agent betrouwbaar is. Koppel technische signalen aan het resultaat van de taak. Leg voor elk testgesprek ten minste het volgende vast:
| Operationeel signaal | Zakelijke vraag |
|---|---|
| Tijd tot eerste hoorbare reactie | Voelt de opening natuurlijk aan? |
| Duur van tool-aanroep | Waar wacht de beller? |
| Onderbrekingsevenementen | Reageert de agent of praat hij door de beller heen? |
| Fouten en herhalingen | Waar beginnen lussen? |
| Overdrachtreden | Was de overdracht gepland of veroorzaakt door falen? |
| Eindstatus | Werd de taak daadwerkelijk voltooid? |
Het officiële reis-concierge-voorbeeld van AWS toont één mogelijke architectuur met een geauthenticeerde WebSocket, PCM-audio, tools, CloudWatch-logs en optionele menselijke escalatie. Gebruik het als een architectuurvoorbeeld, niet als een prestatiebelofte. Bron: AWS Machine Learning Blog.
Vergelijk distributies en foutklassen, niet alleen gemiddelden. Een model kan snel zijn bij de mediaan en toch ernstige uitschieters hebben in een paar bedrijfskritieke gesprekken. Definieer vóór het testen welke fouten een implementatie blokkeren, welke een overdracht triggeren en welke acceptabel zijn.
Praktisch voorbeeld: het verzetten van een buitendienstbezoek
Stel je voor dat een servicebedrijf afspraakwijzigingen per telefoon wil automatiseren. De beller geeft een werkordernummer op, legt de reden uit en kiest een nieuw tijdvenster. De agent leest beschikbare afspraken uit een planningssysteem en bevestigt de wijziging.
Een realistische testrun ziet er als volgt uit:
- De beller verwisselt twee cijfers in het werkordernummer en corrigeert ze.
- Ze onderbreken de uitleg omdat alleen middagslots uitkomen.
- De planningstool meldt dat het eerst gekozen slot zojuist is ingenomen.
- Tijdens de tweede zoekopdracht nadert de modelsessie de tijdslimiet.
- De agent zet de sessie voort zonder de eerste boeking twee keer uit te voeren.
- Hij bevestigt datum, tijdvenster en adres voordat hij opslaat.
Deze reeks oefent alle vijf gebieden in één zakelijke transactie. Succes is geen overtuigende stem. Succes betekent correcte data, precies één wijziging, een traceerbaar resultaat en een veilig ontsnappingspad bij onzekerheid.
Wat Hacker News vandaag signaleert, en wat niet
Het bewijs uit de community is nog dun. De HN-link naar de aankondiging van Nova 2.5 Sonic had weinig interactie toen deze werd verzameld. Tegelijkertijd verschenen er kleine tools voor observeerbaarheid van phone-agents en geautomatiseerd testen van voice-agents. Deze berichten bewijzen noch de kwaliteit van Nova 2.5 Sonic, noch een marktstandaard.
Als zwakke signalen van beoefenaars laten ze echter zien waar bouwers hun tools op richten: echte telefoongesprekken zichtbaar maken en tests reproduceerbaar maken. Je beslissing moet daarom rusten op je scenario's, faalpaden en productiebewijs, niet op een lanceringsclaim of demo.
Een compacte beslissingsmatrix
Gebruik dezelfde schaal voor elke test en bewaar de ruwe data. Eén mogelijke release-regel:
| Test | Geslaagd wanneer | Blokkeer direct wanneer |
|---|---|---|
| Tools | Actie- en faalpaden werken reproduceerbaar | Een actie wordt verzonnen of twee keer uitgevoerd |
| Beurtwisseling | Correcties blijven in context | Kritieke details verdwijnen na onderbreking |
| Taal | Bevestigde vereiste velden zijn correct | Namen of getallen veranderen onopgemerkt |
| Sessies | Voortzetting werkt zonder dubbele actie | Status of toestemmingsstatus gaat verloren |
| Operaties | Resultaat en faaloorzaak zijn zichtbaar | Succes wordt alleen afgeleid uit het gespreksgevoel |
Voer de test uit tegen ten minste één bestaand model in dezelfde architectuurklasse. Wijzig niet tegelijkertijd prompts, tools en testgevallen. Anders weet je niet of het model of de configuratie het verschil veroorzaakte.
Conclusie
Amazon Nova 2.5 Sonic is een relevante nieuwe kandidaat voor bidirectionele voice AI. De officiële aankondiging presenteert interessante mogelijkheden, maar het is geen kortere weg naar productiegereedheid. Vijf bewijzen zijn van belang: correcte tool-resultaten, veerkrachtige beurtwisseling, nauwkeurige bedrijfskritieke details, gecontroleerde lange sessies en observeerbare taakvoltooiing.
Als Nova 2.5 Sonic beschikbaar komt in jouw doelplatform, bereidt dit plan de belangrijkste helft van de evaluatie voor: de criteria om het eerlijk, veilig en reproduceerbaar te vergelijken met je huidige voice-agent-stack.
Veelgestelde vragen
Is Amazon Nova 2.5 Sonic al beschikbaar in Famulor?
De modelcatalogus van Famulor van 2 oktober 2026 bevat Nova 2.5 Sonic niet. Dit artikel is daarom geen aankondiging van beschikbaarheid. Controleer de actuele Famulor-documentatie voor modellen en stemmen.
Welke metriek is het belangrijkst?
Begin met correcte taakvoltooiing. Voeg technische signalen toe zoals responstijd, tool-duur en onderbrekingen zodat je fouten kunt verklaren.
Is een demo met tien gesprekken genoeg?
Een kleine demo kan grote integratiefouten vinden. Een beslissing vereist ook varianten, faalpaden, lijncondities en herhaalde runs. De juiste steekproef hangt af van risico en use case.
Moet een speech-to-speech-model altijd een pijplijn vervangen?
Nee. Realtime speech-to-speech kan zeer natuurlijke dialogen mogelijk maken. Een pijplijn kan meer controle of gerichte selectie van aanbieders in elke fase bieden. Vergelijk beide tegen dezelfde zakelijke workflow.
Auteur bij Famulor
