Spark
~3s
до първия отговор
Технология
Надхвърлете 3-етапния процес.
Повечето платформи за гласов ИИ разчитат на 3-етапен процес: един модел за транскрипция, един LLM без способност за разсъждение и един механизъм за преобразуване на текст в реч. Всяка стъпка е единична точка на отказ. ThunderPhone намалява грешките, като оркестрира много модели едновременно.
Обаждащият се каза “I rent.”
ASR A“I rent”
ASR B“I’m Brent”
Аудио LLM“I rent”
Съгласувано “I rent” 2 от 3 пътя съвпадат
Интегрираната архитектура
Чуйте го по много начини, а после съпоставете чутото.
ThunderPhone оркестрира много модели едновременно, като им позволява да поправят грешките си взаимно.
Други платформи · 3-стъпков процес
Всяка стъпка се доверява на предишната.
Аудио на обаждащия се
„I rent.“ · измърморено
STT A
“I’m Brent”
STT B
—
Аудио LLM
—
Няма резервен вариант, когато единственият модел не чува правилно
LLM
Бързият модел вижда само транскрипцията.
→ отговаря „Здравейте, Брент — как мога да помогна?“
Бързите LLM модели допускат грешки при следването на инструкции
TTS
Отговорът се изговаря обратно.
→ казва „Здравейте, Брент — как мога да помогна?“ ✗
1 транскрипция + 1 LLM = грешен отговор
ThunderPhone · оркестрирано
Много пътища, един координиран отговор.
Аудио на обаждащия се
„I rent.“ · измърморено
STT A
“I rent”
STT B
“I’m Brent”
Аудио LLM
“I rent”
Три транскрипции + необработен аудиозапис се съхраняват като доказателство
Слой за разсъждение
Бързи LLM модели и LLM модели с разсъждение претеглят текстовите и аудио доказателствата.
→ 2 от 3 пътя са съгласни: „I rent“
LLM модели с разсъждение и бързи LLM модели се проверяват взаимно преди отговор
TTS
Подбраните гласове ограничават халюцинациите при изписване и буквено-цифрови комбинации.
→ „Разбрах — значи живеете под наем.“ ✓
Уточнява правилно сложните детайли още от първия път.
Доказани резултати
Storm поставя рекорди за интелигентност в Big Bench Audio.
BBA проверява дали даден модел може да разбира изговорени заявки и да отговаря правилно на трудни въпроси. Най-силната ни конфигурация на Storm достига 99,4% в нашия публичен набор за оценяване — 0,6% грешки, 4× по-малко от следващия най-добър публичен резултат.
Модел
Процент грешки↓ по-ниското е по-добро
Резултат
ThunderPhone Storm · Extra Intelligence4× по-малко грешки
0.6%
Step-Audio R1.1
2.4%
Grok Voice Think Fast
2.9%
Ultravox v0.7 Thinking
3.0%
GPT-Realtime-2 High
3.4%
Gemini 3.1 Flash Live High
3.4%
Процентът грешки е 100% минус процента на успеваемост в BBA. Резултатът на ThunderPhone е от нашия публичен набор от данни за оценяване, посочен по-горе; други публични резултати (класацията на Artificial Analysis) са включени за ориентир. BBA не обхваща напълно представянето при телефонни разговори, но е полезен показател за разсъждение върху изговорени заявки.
Предварително оптимизираното е по-добро от конфигурируемото
Не би трябвало да сглобявате гласов стек на ръка.
Други платформи за гласов AI като Vapi, Retell, Pipecat и LiveKit ви принуждават да вземате множество решения за конфигуриране, за да работят разговорите ви. В ThunderPhone вярваме, че фината настройка е наша работа и че вие трябва да вършите възможно най-малко, за да протичат разговорите ви гладко.
Други платформи за гласов AI · много настройки за фина настройка
STT LLM TTS Определяне на край на реплика Потискане на шума Прекъсвания Резервни варианти Схема на инструменти Закъснение VAD
ThunderPhone настройва всичко това вместо вас
ThunderPhone · три решения
1
Изберете ниво
Spark, Bolt или Storm.
2
Изберете глас
Подбрани и тествани с реални разговори.
3
Напишете своя промпт
Поведение, политики, инструменти — на разбираем език.
Три решения. Това е настройката — оркестрацията, резервните варианти и фината настройка са включени.
Ние избираме най-добрите модели за задачата и ги свързваме заедно. Водещи модели от OpenAI, Anthropic и Google работят редом с модели с отворен код — оркестрирани за най-добра производителност и цена при всеки разговор, така че да не се налага да мислите за това.
Една инструкция, по-малко разрастване на графа
Една инструкция, а не граф от възли.
Конструкторите на потоци съществуват, защото по-слабите системи не могат да следват сложни инструкции. Всяка стъпка от разговора се превръща във възел, който трябва да изградите и поддържате ръчно. Storm следва подробни инструкции от една-единствена инструкция, така че не е нужно да се тревожите за възли и връзки.
Платформи за изграждане на потоциневалидно ×2грешка
Свържете ръчно всяко разклонение.
Поздравинструкция · глас
Съберете телефонинструкция · валидиране
Потвърдете телефонповторна подкана ×2
enroll()инструмент · повторни опити
Ескалиранекъм човек
Резервен вариантза всички случаи
Шест възела за един поток за записване — всеки със собствени инструкции, инструменти, преходи и обработка на неуспехи.
ThunderPhone Storm
Опишете поведението само веднъж.
Инструкция за поведение
Поздравете обаждащия се и съберете неговото име и телефон.
Потвърдете съгласието, преди да го запишете — това е задължително.
Ако попита за фактуриране, следвайте правилата за фактуриране по-долу.
Извикайте enroll() едва след като всяко поле е потвърдено.
Ако обаждащият се поиска човек, прехвърлете към човек.
Потвърдете съгласието, преди да го запишете — това е задължително.
Ако попита за фактуриране, следвайте правилата за фактуриране по-долу.
Извикайте enroll() едва след като всяко поле е потвърдено.
Ако обаждащият се поиска човек, прехвърлете към човек.
Сложно разклоняване Незадължителни проверки По-лесно итериране
Една инструкция за писане, тестване и итериране — с включено разклоняване.
Защо е важно
Разговорите в продукционна среда са сложни. ThunderPhone е готов.
Неясна реч, фонови разговори, имена и числа, смесени езици — ThunderPhone е създаден за ситуациите, които объркват други системи.
Неясна реч
Сравнявайте аудио и текстови сигнали, вместо да се доверявате на една транскрипция.
Лошо телефонно аудио
Модели за откриване и намаляване на шума изчистват сигнала.
Фонови разговори
Идентифицирайте страничните разговори, преди да отклонят агента.
Имена и адреси
Проверявайте кръстосано собствени имена, изписвания, числа и корекции.
Смесена реч на различни езици
При нужда насочвайте през многоезични аудио и гласови пътища.
Дълги подкани
Използвайте по-мощни пътища за разсъждение, когато поведението не може да се сведе до едно правило.
Забавяне, качество и цена
По-бързият грешен отговор не прави разговора по-добър.
Телефонният ИИ трябва да отговаря бързо — но скоростта без точност просто води до бързи грешки. Днешните LLM се нуждаят от момент за разсъждение, за да останат надеждни, затова ThunderPhone балансира двете за всяко ниво.
Bolt
~2s
до първия отговор
Storm
~2–3s
~2 сек. с потвърждения · ~3 сек. без
ИзмерванеДруги доставчици заявяват забавяне от 500 мс при идеални условия, но при реален разговор обикновено достигат около 2 сек..Измерваме забавянето си в реални условия.
УстойчивостДоставчиците на ИИ изпитват пикове в забавянето, които могат да провалят разговорите.Оркестрираният стек на ThunderPhone преминава към по-бързи опции, когато това се случи.
Поколения гласов ИИ
Следващото поколение гласов ИИ е тук
Автоматизираните телефонни разговори са били изнервящо преживяване... досега. Всяка технологична вълна е подобрявала изживяването, но никога до степен, в която то да е наистина плавно. Това се променя с ThunderPhone.
1990s2010s20242026 · сега
Поколение 1
IVR
Натиснете едно за продажби, натиснете две за поддръжка. Менютата могат само да пренасочват.
Поколение 2
Ботове за намерения
Кажете „продажби“ или „фактуриране“ и се надявайте парсерът за слотове да го улови.
Поколение 3
ИИ в три стъпки
Транскрибирайте, задайте въпрос на един бърз LLM, после говорете — като всяка стъпка се доверява на предишната.
Поколение 4
Интегриран ИИ
Аудио, текст, разсъждение, инструменти, гласове и защитни механизми като една система.
Създаден за обажданията, които сриват всичко останалоВижте интегрирания стек
Вижте интегрирания стек
при вашите най-трудни разговори.
В продукционна среда за десет минути. От 2 цента/минута.