ThunderPhoneની જાહેરાત

આજે, અમને ThunderPhoneના જાહેર લોન્ચની જાહેરાત કરતાં ગર્વ થાય છે, જે AI સાથે ફોન કૉલ્સને ઑટોમેટ કરવાનું સરળ બનાવે છે. અન્ય ફોન AI પ્લેટફોર્મ્સથી સંપૂર્ણપણે અલગ, સંકલિત આર્કિટેક્ચર સાથે ThunderPhone ઘણું ઊંચું પ્રદર્શન, ઓછી કિંમત અને ઇન્ટિગ્રેશનની ઓછી મુશ્કેલીઓ હાંસલ કરી શકે છે. ThunderPhone ડઝનો ભાષાઓમાં ઇનબાઉન્ડ અને આઉટબાઉન્ડ કૉલ્સને સપોર્ટ કરે છે અને HIPAA તથા GDPR અનુરૂપ છે.

સંકલિત લાભ

અન્ય ફોન AI પ્લેટફોર્મ્સ તેમની સિસ્ટમ્સ પર 3-પગલાંની રચના લાદીને તેના પ્રદર્શનને મર્યાદિત કરે છે:

1. એક ટ્રાન્સક્રિપ્શન મોડેલ, જે વપરાશકર્તાના અવાજને ટેક્સ્ટમાં ફેરવે છે.
2. એક LLM, જે વપરાશકર્તાના ટેક્સ્ટને પ્રોસેસ કરીને જવાબ આપે છે.
3. એક TTS મોડેલ, જે જવાબના ટેક્સ્ટને ફરીથી ઑડિયોમાં ફેરવે છે.

તેમાંથી મોટા ભાગના વપરાશકર્તાઓને કયા મોડેલ્સ વાપરવા તે પસંદ કરવા મજબૂર કરીને, તેમજ નૉઇઝ દૂર કરવા અને પ્રતિભાવશીલતાના પેરામીટર્સ જેવા કન્ફિગરેશન વિકલ્પો પસંદ કરાવીને, એન્જિનિયરિંગનું કામ પણ વપરાશકર્તાઓ પર ધકેલી દે છે.

અમે એક અલગ અભિગમ અપનાવ્યો છે: આજના મોડેલ્સ સાથે અમારા મતે શક્ય તેટલો શ્રેષ્ઠ સ્ટેક અમે કન્ફિગર કર્યો છે અને જટિલ કન્ફિગરેશનના પ્રયત્ન વિના ઉપયોગ માટે તૈયાર બનાવ્યો છે. અમારી સિસ્ટમ એકસાથે ઘણા મોડેલ્સ વાપરે છે અને વાતચીતના પ્રવાહ અનુસાર તેમની વચ્ચે બુદ્ધિપૂર્વક રૂટિંગ કરે છે. તેમાં શામેલ છે:

• ઝડપ અને ચોકસાઈ વચ્ચે સંતુલન જાળવવા તથા એકબીજાની ભૂલોને આવરી લેવા માટે, કેટલાક વધુ ઝડપી અને કેટલાક વધુ ચોક્કસ એવા અનેક ટ્રાન્સક્રિપ્શન મોડેલ્સનું સંયોજન.
• સામાન્ય બુદ્ધિમત્તા ઓછી પરંતુ ઑડિયો સમજ વધુ સારી હોઈ શકે એવા ઑડિયો-ઇનપુટ LLMsને, અચોક્કસ ટ્રાન્સક્રિપ્ટ્સને કારણે ભૂલો કરી શકે પરંતુ ઘણીવાર વધુ બુદ્ધિશાળી એવા માત્ર-ટેક્સ્ટ LLMs સાથે જોડવા.
• ઝડપી જવાબો જનરેટ કરી શકે એવા ઝડપી પરંતુ ઓછા બુદ્ધિશાળી LLMsને, બેકગ્રાઉન્ડમાં ચાલી શકે અને AI તેના promptનું પાલન કરે છે તથા વપરાશકર્તા જે કહે છે તેનો યોગ્ય જવાબ આપે છે તેની ખાતરી કરી શકે એવા વધુ બુદ્ધિશાળી પરંતુ ધીમા LLMs સાથે જોડવા.
• આજે ઉપલબ્ધ સર્વોચ્ચ બુદ્ધિમત્તા આપતા OpenAI અને Google સહિતના અગ્રણી પ્રદાતાઓના વ્યાવસાયિક મોડેલ્સને, ઘણીવાર ઓછી કિંમતે વધુ સારી ઝડપ આપતા ઓપન-સોર્સ મોડેલ્સની વિશાળ શ્રેણી સાથે જોડવા.
• બેકગ્રાઉન્ડ અવાજ, બાજુની વાતચીતો અને અન્ય વિક્ષેપકારક અવાજને વર્ગીકૃત કરીને દૂર કરવા માટે એકસાથે અનેક મોડેલ્સનો ઉપયોગ, જે અન્યથા વાતચીતને પાટા પરથી ઉતારી શકે છે.

આ ઘટકો અને બીજા ઘણાંને અમારી ત્રણ સેવા શ્રેણીઓ — Spark, Bolt અને Storm —માં અલગ અલગ રીતે ઑર્કેસ્ટ્રેટ કરવામાં આવે છે: Sparkને કિંમત માટે, Boltને ઝડપ માટે અને Stormને બુદ્ધિમત્તા માટે ઑપ્ટિમાઇઝ કરવામાં આવે છે, સાથે જ દરેકની ખામીઓને શક્ય તેટલી ઓછી કરવામાં આવે છે. ત્રણેય સિસ્ટમ્સમાં વપરાશકર્તાઓ શું કહે છે તેની અદભૂત ચોક્કસ સમજ જેવા લાભો વહેંચાયેલા છે, જેમાં વ્યક્તિવિશેષ નામો અને જોડણી પણ સામેલ છે.

અમને લાગે છે કે આ સઘન રીતે સંકલિત આર્કિટેક્ચર અન્ય વિક્રેતાઓના કઠોર 3-પગલાંના અભિગમ કરતાં અમારી સિસ્ટમને ઓછી કિંમતે ઘણું ઊંચું પ્રદર્શન આપે છે. Clay Christensenના મોડ્યુલારિટી સિદ્ધાંત અનુસાર, વૉઇસ AI હજી શરૂઆતના તબક્કામાં છે, અને મોડ્યુલર આર્કિટેક્ચરથી કસ્ટમાઇઝેબિલિટી વધારવા કરતાં સંકલિત આર્કિટેક્ચરથી પ્રદર્શન મહત્તમ કરવું હજી વધુ મૂલ્યવાન છે.

ઑપ્ટિમાઇઝ્ડ નિર્ણયો

અને કસ્ટમાઇઝેબિલિટીની વાત કરીએ તો, અમે તેના વિરોધમાં છીએ! આજના મોટા ભાગના ફોન AI પ્લેટફોર્મ્સ વપરાશકર્તાઓને અસંખ્ય વિકલ્પોમાંથી પસાર થવા મજબૂર કરે છે—ઉપયોગમાં લેવાતા ચોક્કસ મોડેલોથી લઈને AI વપરાશકર્તાને કેટલી ઝડપથી અટકાવે જેવા અત્યંત વિગતવાર પેરામીટર્સ સુધી.

અમારા મતે, આ પસંદગીઓને પડદા પાછળ ઑપ્ટિમાઇઝ કરવાનું અમારું કામ છે, જેથી ThunderPhoneના વપરાશકર્તાઓ તેઓ જેમાં નિષ્ણાત છે તેના પર ધ્યાન કેન્દ્રિત કરી શકે અને વિગતવાર વૉઇસ AI કન્ફિગરેશનની ચિંતા ન કરવી પડે. અમે પોતાને એક પ્રકારના Squarespace તરીકે જોઈએ છીએ, જે અમારા વપરાશકર્તાઓ માટે આજના મોડેલ્સ સાથે શક્ય હોય તેવા સર્વોચ્ચ પ્રદર્શન પર ફોન એજન્ટ સેટ અપ કરવાનું, કોઈ મહેનત કર્યા વિના, સરળ બનાવે છે.

ઉપયોગમાં સરળતા

ThunderPhone વાપરવામાં પણ અતિ સરળ છે, પછી ભલે તમે નવો ફોન એજન્ટ સેટ અપ કરી રહ્યા હો, અથવા કોઈ અલગ પ્લેટફોર્મ કે કસ્ટમ સ્ટેકમાંથી માઇગ્રેટ કરી રહ્યા હો. ThunderPhone પર ફોન એજન્ટ સેટ અપ કરવા માટે તમારે ફક્ત આ કરવાનું છે:

1. તમે Spark, Bolt કે Stormમાંથી કયો ઉપયોગ કરવા માંગો છો તે નક્કી કરો.
2. અવાજ પસંદ કરો.
3. અમને તમારો prompt આપો. મલ્ટિ-prompt એજન્ટ્સની જરૂર નથી! જો તમારો prompt Spark અથવા Bolt માટે ખૂબ જટિલ હોય, તો Storm પર અપગ્રેડ કરો, જે એક જ prompt વડે જટિલ ઉપયોગના કિસ્સાઓ પણ સંભાળી શકે છે.
4. અત્યંત સરળ વિઝાર્ડ સાથે સોફ્ટવેર ઇન્ટિગ્રેશન્સ જોડો (કોઈપણ એન્ડપોઇન્ટ અથવા નેટિવ n8n ઇન્ટિગ્રેશન).
5. અત્યંત સરળ વિઝાર્ડ સાથે તમારું VoIP જોડો.

આ બધું સામાન્ય રીતે 10 મિનિટ અથવા તેનાથી ઓછા સમયમાં થઈ જાય છે.

ThunderPhone HIPAA અને GDPR અનુરૂપ છે, અને વિનંતી પર અમે BAA અને DPA પર હસ્તાક્ષર કરી પ્રદાન કરીશું.

અમારી કહાની

અમે Stanford AI Lab અને Y Combinatorના ભૂતપૂર્વ સભ્યોની ટીમ છીએ, જે 2024થી વોઇસ AI પર કામ કરી રહી છે. શરૂઆતમાં, અમારું ધ્યાન Flux Interpreting પર હતું, જે ફોન કૉલ્સને ભાષાઓ વચ્ચે અનુવાદિત કરે છે. પરંતુ ગ્રાહકો વારંવાર અમને માત્ર કૉલ્સનો અનુવાદ કરવા બદલે તેમના વ્યવસાયો માટે ફોન કૉલ્સ સ્વચાલિત કરવા કહેતા રહ્યા, ત્યારબાદ અમે અમારું ધ્યાન આજના ThunderPhone તરફ વાળ્યું.

હાલના પ્લેટફોર્મ્સની સમસ્યા

શરૂઆતમાં, અમે અન્ય કંપનીઓના ફોન AI પ્લેટફોર્મ્સ પર ગ્રાહકો માટે ફોન એજન્ટ્સ બનાવવાનું શરૂ કર્યું. અમે બજારમાં ઉપલબ્ધ લગભગ દરેક ફોન AI પ્લેટફોર્મનું પરીક્ષણ કર્યું, પરંતુ દુર્ભાગ્યે તેમાં ખામીઓ જણાઈ, ખાસ કરીને આ બાબતોમાં:

• ઑડિયો સમજણ: વપરાશકર્તાના ઑડિયોને લખાણમાં ફેરવવા માટે માત્ર એક ટ્રાન્સક્રિપ્શન મોડેલ હોવાની મર્યાદાને કારણે AI ઘણીવાર વપરાશકર્તાને “ખોટું સાંભળતું” હતું, ખાસ કરીને વિશિષ્ટ નામો, અસામાન્ય શબ્દો અને જોડણીઓમાં.
• સૂચનાઓનું પાલન: કૉલ પાછળનું વાસ્તવિક “વિચારકાર્ય” એક જ ઝડપી LLM દ્વારા થતું હોવાથી, AI ઘણીવાર સૂચનાઓનું યોગ્ય રીતે પાલન કરવામાં મુશ્કેલી અનુભવતું અને પાટા પરથી ઉતરી જતું.
• મુશ્કેલ ઇન્ટિગ્રેશન્સ: અમે અજમાવેલા પ્લેટફોર્મ્સે બાહ્ય સૉફ્ટવેર સાથે જોડાવું ખૂબ મુશ્કેલ બનાવ્યું; સામાન્ય રીતે ટૂલ કૉલ્સ માટે અમને વિસ્તૃત JSON કન્ફિગરેશન્સ લખવી પડતી અને તે અચાનક કામ કરવા લાગે ત્યાં સુધી બહુ ઓછી કે બિલકુલ પ્રતિસાદ વિના વારંવાર તેની સાથે ઝઝૂમવું પડતું.
• કિંમત: હાલના પ્લેટફોર્મ્સ સામાન્ય રીતે બહુ મોંઘા હતા: સરેરાશ કામગીરી માટે પ્રતિ મિનિટ સામાન્ય રીતે 10 સેન્ટ અથવા વધુ.

અમારું પોતાનું સ્ટૅક બનાવવું

જ્યારે અમે એક એન્ટરપ્રાઇઝ ક્લાયન્ટ માટે વેચાણ કૉલના ઉપયોગકેસ અમલમાં મૂકવાનો કરાર કર્યો, ત્યારે તેમની જરૂરિયાતો પૂરી કરવા માટે અમને અમારું પોતાનું કસ્ટમ સ્ટૅક બનાવવું પડ્યું. આ ઉપયોગકેસ પડકારજનક હતો: ગ્રાહક સહાયથી વિપરીત, જ્યાં કૉલ કરનારા મોટાભાગે વ્યવસાયની મરજી પર હોય છે, વેચાણ કૉલ કરનારા ઝડપથી કૉલ કાપી દે છે.

લીડ ગુમાવવાને બદલે વેચાણ પૂરું કરવા માટે કૉલની ગુણવત્તા શ્રેષ્ઠ હોવી આવશ્યક છે. તેનો અર્થ એ હતો કે નામો અને સરનામાં સહિતના અસંખ્ય વિશિષ્ટ નામો અને જોડણીઓને સંભાળવી, જે સામાન્ય ટ્રાન્સક્રિપ્શન મોડેલ્સ માટે યોગ્ય રીતે ઓળખવા મુશ્કેલ હોય છે. આ ઉપયોગકેસમાં સંપૂર્ણતા મેળવવા માટે અમે આજનું ThunderPhone બનાવ્યું.

આ દરમિયાન, અમે San Francisco વોઇસ AI સમુદાયમાં એવા લોકોને મળતા રહ્યા, જેઓ પશુચિકિત્સકો, ટ્રક ડ્રાઇવરો અને અન્ય માટે વર્ટિકલ ફોન એજન્ટ કંપનીઓ બનાવી રહ્યા હતા. આશ્ચર્યજનક રીતે, તેમાંના મોટાભાગના લોકોનો એક જ અભિપ્રાય હતો: હાલના પ્લેટફોર્મ્સ ડેમો માટે પૂરતા સારા હતા, પરંતુ પ્રોડક્શન માટે નહીં.

આઘાતજનક રીતે, વર્ટિકલ વોઇસ AI કંપનીઓમાં અમારા ઘણા, કદાચ મોટાભાગના મિત્રો ખરેખર પોતાના સ્ટૅક જાતે જ બનાવી રહ્યા હતા... અમને આનો કોઈ અર્થ લાગ્યો નહીં — આ તો ખરેખર 90ના દાયકામાં વેબ સ્ટાર્ટઅપ્સે પોતાના કબાટમાં રહેલા સર્વર પર પોતાના વેબ સર્વર્સ હોસ્ટ કરવા પડતા હોય તેના સમકક્ષ છે.

આ સમજ સાથે, અમને ખ્યાલ આવ્યો કે અમારી ફોન AI સિસ્ટમને એવું પ્લેટફોર્મ બનાવવાનો સમય આવી ગયો છે જેનો ઉપયોગ કોઈપણ કરી શકે.

વર્ટિકલ વોઇસ AI કંપનીઓ અને કન્સલ્ટન્ટ્સે તેમની ઉદ્યોગ-વિશિષ્ટ નિષ્ણાતી સાથે તેમના લક્ષ્ય બજારની જરૂરિયાતો પૂરી કરવા પર ધ્યાન કેન્દ્રિત કરી શકવું જોઈએ — મૂળભૂત AI અને ફોન ટેક્નોલોજીનું જટિલ એન્જિનિયરિંગ કરવા પર નહીં! ThunderPhone સાથે આજે અમે આ જ લોન્ચ કરી રહ્યા છીએ.

અહીં સુધી પહોંચવાનો માર્ગ લાંબો રહ્યો છે! ગયા એપ્રિલથી અમારી સાથે સાઇન અપ કરનાર અને હજી પણ ઍક્સેસની રાહ જોતા દરેક વ્યક્તિની અમે માફી માગીએ છીએ: અમને જે કામ ઝડપથી પૂર્ણ કરવા માટેનો ટૂંકો પ્રયાસ લાગ્યો હતો, તે આજે ઉપલબ્ધ મોડેલ્સને શક્ય તેટલી મજબૂત સિસ્ટમમાં કેવી રીતે સાંકળવા તેની શોધખોળમાં ઘણા મહિનાની સફર બની ગયો.

પરંતુ હવે અમે આખરે લાઇવ છીએ — તેને અજમાવો અને તમને કેવું લાગે છે તે જુઓ!

જોકે અમે મુખ્ય અડચણો દૂર કરી દીધી છે, તેમ છતાં સિસ્ટમમાં હજી બગ્સ હોવાની શક્યતા છે. જો તમને કોઈ સમસ્યા મળે, તો કૃપા કરીને alex@thunderphone.com પર ઇમેઇલ કરો અને હું ખાતરી કરીશ કે તે તમારા માટે ASAP ઠીક થાય. તમારી પાસે કોઈ ફીચર વિનંતીઓ હોય તો તે પણ જણાવો, અને અમે પણ શક્ય તેટલી વહેલી તકે તેને સાકાર કરીશું.

અને જો તમારી પાસે કસ્ટમ અમલીકરણ અને ઇન્ટિગ્રેશન સહાય, સામાન્ય HIPAA અને GDPRથી આગળનું અનુપાલન, SLA, અને કસ્ટમ ફીચર વિનંતીઓ જેવી વધુ કસ્ટમ જરૂરિયાતો હોય, તો અમે એન્ટરપ્રાઇઝ કરાર વિશે વાત કરવા તૈયાર છીએ. alex@thunderphone.com પર સંપર્ક કરો, અને અમે તમારી જરૂરિયાતો તથા અમે મદદ કરી શકીએ છીએ કે નહીં તે વિશે વાત કરીશું.

અને વધુ સામાન્ય રીતે કહીએ તો: તમારી પ્રત્યે અમારી પ્રતિબદ્ધતા એ છે કે ThunderPhone તમારા તરફથી ન્યૂનતમ પ્રયત્ન સાથે તરત જ કાર્ય કરે, અને તમે પસંદ કરો તે કિંમત સ્તર — Spark, Bolt, અથવા Storm — ની મર્યાદામાં, આજના AI વડે શક્ય હોય તેટલી સંપૂર્ણ રીતે તમારા વ્યવસાયના કૉલ્સ સંભાળે તે સુનિશ્ચિત કરવું એ અમારું કામ છે. અમને અજમાવો, અને ThunderPhone શું કરી શકે છે તે તમને બતાવવા માટે અમે ઉત્સુક છીએ.

તમને કેવું લાગે છે તે અમને જણાવો, અને તમારા સહયોગ માટે આભાર!