تعتمد معظم منصات الذكاء الاصطناعي الصوتي على مسار معالجة مكوّن من 3 مراحل: نموذج واحد لتحويل الكلام إلى نص، ونموذج لغوي كبير واحد بلا قدرة على التفكير، ومحرك واحد لتحويل النص إلى كلام. وكل مرحلة تشكّل نقطة فشل منفردة. يقلّل ThunderPhone الأخطاء عبر تنسيق عمل العديد من النماذج في آن واحد.
ينسّق ThunderPhone عمل عدة نماذج في آن واحد، ويتيح لها تصحيح أخطاء بعضها بعضًا.
لا يرى النموذج اللغوي الكبير السريع سوى النص المفرغ.
«مرحبًا، أيها المستشار — كيف يمكنني مساعدتك؟»
تتحقق النماذج اللغوية الكبيرة السريعة والقادرة على الاستدلال من النتائج: النتيجة نفسها في 2 من أصل 3 مسارات.
«فهمت — إذًا أنت مُستأجِر».
يختبر BBA قدرة النموذج على فهم الموجّهات المنطوقة وتقديم إجابات صحيحة عن الأسئلة الصعبة. ويحمل أقوى إعداد Storm لدينا الرقم القياسي: 99.4% ضمن مجموعة التقييم التي نتيحها للعامة.
0.6% معدل الأخطاء
نتيجة ThunderPhone مستمدة من مجموعة بيانات التقييم العامة الخاصة بنا، والمتاحة عبر الرابط أعلاه؛ أما النتائج العامة الأخرى (لوحة صدارة Artificial Analysis) فأُدرجت للمقارنة الاسترشادية.
تفرض عليك منصات أخرى للذكاء الاصطناعي الصوتي، مثل Vapi وRetell وPipecat وLiveKit، اتخاذ قرارات كثيرة بشأن الإعدادات قبل أن تتمكن من تشغيل مكالماتك. نحن في ThunderPhone نؤمن بأن الضبط مهمتنا، وأنك يجب ألا تضطر إلى بذل أكثر من الحد الأدنى من الجهد كي تسير مكالماتك بسلاسة.
ThunderPhone يضبط كل ذلك نيابةً عنك
Spark أو Bolt أو Storm.
أصوات منتقاة ومختبرة في مكالمات حقيقية.
السلوك والسياسات والأدوات، بلغة واضحة.
ثلاثة قرارات فقط، وينتهي الإعداد. التنسيق والبدائل الاحتياطية والضبط كلها مدمجة.
نختار أفضل النماذج لكل مهمة وننسّق عملها معًا. نماذج رائدة من OpenAI وAnthropic وGoogle تعمل جنبًا إلى جنب مع نماذج مفتوحة المصدر، ضمن منظومة مضبوطة لتقديم أفضل أداء وسعر في كل مكالمة، من دون أن تشغل بالك بالتفاصيل.
ظهرت أدوات بناء التدفقات لأن الأنظمة الأضعف لا تستطيع اتباع الموجّهات المعقدة. فتتحول كل خطوة في المحادثة إلى عقدة عليك إنشاؤها وصيانتها يدويًا. أما Storm، فينفّذ تعليمات مفصّلة تضعها في موجّه واحد، فلا داعي لأن تشغل بالك بالعُقد والحواف.
ست عُقد لتدفق تسجيل واحد — لكل منها موجّهاتها وأدواتها وانتقالاتها وآلية معالجة الإخفاقات الخاصة بها.
رحّب بالمتصل واجمع اسمه ورقم هاتفه. تأكّد من موافقته قبل تسجيله، فهذا إلزامي. إذا سأل عن الفوترة، فاتبع سياسة الفوترة أدناه. لا تستدعِ enroll() إلا مرة واحدة، وبعد تأكيد جميع الحقول. إذا طلب المتصل التحدث إلى شخص، حوّل المكالمة إلى موظف.
موجّه واحد تكتبه وتختبره وتحسّنه — ويشمل التفرعات أيضًا.
تمتمات، وأحاديث في الخلفية، وأسماء وأرقام، وتداخل بين اللغات — صُمّم ThunderPhone للتعامل مع المواقف التي تفشل فيها الأنظمة الأخرى.
قارن الإشارات الصوتية بالنصية بدل الاعتماد على نص مفرغ واحد.
تنقّي نماذج اكتشاف الضوضاء والحد منها الإشارة الصوتية.
ارصد الأحاديث الجانبية قبل أن تربك الوكيل الصوتي.
تحقّق بأكثر من طريقة من أسماء الأعلام وطرق كتابتها والأرقام والتصحيحات.
مرّر المكالمة عبر مسارات متعددة اللغات لمعالجة الصوت وإخراج الكلام عند الحاجة.
اعتمد مسارات استدلال أقوى عندما لا يمكن اختزال السلوك في قاعدة واحدة.
يجب أن يردّ الذكاء الاصطناعي الصوتي بسرعة في المكالمات — لكن السرعة من دون دقة لا تعني سوى أخطاء سريعة. تحتاج النماذج اللغوية الكبيرة اليوم إلى لحظة للتفكير كي تحافظ على موثوقيتها، لذلك يوازن ThunderPhone بين زمن الاستجابة والدقة.
يدّعي مزوّدون آخرون تحقيق زمن استجابة قدره 500 مللي ثانية في الظروف المثالية، لكنه يبلغ عادةً نحو 2 ثانية في مكالمة فعلية. نقيس زمن استجابتنا في ظروف فعلية.
يشهد مزوّدو الذكاء الاصطناعي ارتفاعات مفاجئة في زمن الاستجابة قد تعرقل المكالمات. تنتقل منظومة ThunderPhone المنسّقة تلقائيًا إلى خيارات أسرع حين يحدث ذلك.
لطالما كانت المكالمات الهاتفية الآلية مصدرًا للإحباط… حتى الآن. ومع كل موجة تقنية، تحسّنت التجربة، لكنها لم تصل قط إلى سلاسة حقيقية. ThunderPhone يغيّر ذلك.
«اضغط 1 للمبيعات، واضغط 2 للدعم». لا تفعل القوائم أكثر من توجيه المكالمات.
قل «المبيعات» أو «الفوترة»، على أمل أن يفهم محلّل الخانات ما تقصده.
حوّل الكلام إلى نص، ومرّره إلى نموذج لغوي كبير واحد سريع الاستجابة، ثم انطق الرد — وكل خطوة تفترض أن نتيجة سابقتها صحيحة.
الصوت والنص والاستدلال والأدوات والأصوات وضوابط الأمان، كلها في منظومة واحدة.
انطلق خلال 10 دقائق. ابتداءً من 2 سنت لكل دقيقة.