用 Amazon Nova 2 Sonic 构建医疗预约语音助手，降低爽约率

一句话看懂

AWS 发布了一个基于 Nova 2 Sonic 的医疗预约语音代理，用原生语音到语音模型处理电话对话，帮助医疗机构降低 5-30% 的爽约率。

详细发生了什么

AWS 官方博客发布了一篇技术教程，展示如何使用 Amazon Nova 2 Sonic（语音到语音模型）和 Amazon Bedrock AgentCore 构建一个医疗预约语音代理。该代理能够通过电话与患者进行自然对话，完成身份验证（姓名加 SSN 后四位）、预约确认、取消或改期、收集就诊前健康信息，并在必要时转接人工客服。

传统方案需要串联语音转文字、LLM 推理、文字转语音三个独立服务，每次切换都会引入延迟并丢失语气、犹豫等语音线索。Nova 2 Sonic 作为原生语音到语音模型，在一个模型内直接处理语音输入和输出，保留了语调、节奏等上下文信息，并支持多语言切换，无需额外配置。

代理基于 Strands Agents SDK 的 BidiAgent 类构建，通过 WebSocket 实现双向音频流。架构包括 React 前端（用于测试）、Amazon Cognito 认证、DynamoDB 存储患者、预约和时段数据、SNS 发送转接通知。教程提供了 7 个医疗专用工具：身份验证、确认、取消、查空闲时段、预约、收集健康信息、转接人工。每个工具都是一个 Python 函数，可独立替换或扩展。

中文圈视角

国内用户能用吗？ 直接使用需要 AWS 账号和海外区域（us-east-1），且 Nova 2 Sonic 目前仅支持英文，中文用户暂时无法直接体验。但该方案的技术思路——用原生语音模型替代传统级联架构——对国内医疗 AI 厂商有重要参考价值。

国产平替分析： 国内类似方案可基于百度语音技术（语音识别加合成）或科大讯飞星火大模型构建，但缺乏 Nova 2 Sonic 这样的原生语音到语音模型。讯飞虽然也有语音交互能力，但通常仍采用级联架构。字节跳动豆包、阿里通义千问等大模型在语音模态上尚未推出类似产品。

中文场景的特殊挑战： 中文医疗对话涉及方言、医学术语（如“挂号”“复诊”“医保报销”），且身份验证不能依赖 SSN（国内用身份证号或手机号）。此外，国内医疗数据合规要求更严格（如《个人信息保护法》），语音数据出境需特别评估。

值得关注的盲点： 该方案强调“保留语音线索”在医疗场景中的价值——患者犹豫或焦虑时，代理应调整回应方式。国内现有语音客服系统大多只做文字理解，忽略了语气分析。这一设计思路值得国内开发者借鉴。

几条值得记住的细节

• Nova 2 Sonic 是原生语音到语音模型，不依赖级联架构，延迟更低且保留语气信息。
• 代理支持多语言切换，无需额外配置，但目前仅限英文。
• 7 个医疗工具通过 @tool 装饰器实现，可独立替换或扩展。
• 身份验证限制每个姓名组合最多尝试 3 次。
• 前端使用 React 加 WebSocket 加 SigV4 签名，后端完全无服务器。

一句话总结

AWS 展示了用原生语音模型做医疗电话代理的完整方案，技术思路值得国内开发者参考，但直接落地需解决中文支持和数据合规问题。