ટેક્નોલોજી

3-સ્ટેપ પાઇપલાઇનથી આગળ વધો.

મોટાભાગના વૉઇસ AI પ્લેટફૉર્મ 3-સ્ટેપ પાઇપલાઇન પર આધાર રાખે છે: એક ટ્રાન્સક્રિપ્શન મોડેલ, એક વિચાર ન કરતું LLM, એક ટેક્સ્ટ-ટુ-સ્પીચ એન્જિન. દરેક સ્ટેપ નિષ્ફળતાનું એકમાત્ર બિંદુ છે. ThunderPhone એકસાથે ઘણા મોડેલનું સંકલન કરીને ભૂલો ઘટાડે છે.

શરૂ કરો કિંમતો જુઓ

કૉલરે કહ્યું “I rent.”

ASR A“I rent”

ASR B“I’m Brent”

ઑડિયો LLM“I rent”

“I rent” સાથે મેળ બેસાડ્યો 3માંથી 2 માર્ગો સહમત છે

સંકલિત આર્કિટેક્ચર

તેને અનેક રીતે સાંભળો, પછી મેળ બેસાડો.

ThunderPhone એકસાથે ઘણા મોડેલ્સનું સંકલન કરે છે, જેથી તેઓ એકબીજાની ભૂલો સુધારી શકે.

અન્ય પ્લેટફોર્મ્સ · 3-પગલાંની પાઇપલાઇન

દરેક પગલું અગાઉના પગલા પર વિશ્વાસ રાખે છે.

કૉલરનો ઑડિયો

“I rent.” · અસ્પષ્ટ રીતે બોલાયેલું

STT A

“I’m Brent”

STT B

—

ઑડિયો LLM

—

એકમાત્ર મોડેલ ખોટું સાંભળે ત્યારે કોઈ બેકઅપ નથી

LLM

ઝડપી મોડેલ માત્ર ટ્રાન્સક્રિપ્ટ જ જુએ છે.

→ જવાબ આપે છે “હાય, બ્રેન્ટ — હું તમારી કેવી રીતે મદદ કરી શકું?”

ઝડપી LLMs સૂચનાઓનું પાલન કરવામાં ભૂલો કરે છે

TTS

જવાબ બોલીને પાછો આપવામાં આવે છે.

→ બોલે છે “હાય, બ્રેન્ટ — હું તમારી કેવી રીતે મદદ કરી શકું?” ✗

1 ટ્રાન્સક્રિપ્ટ + 1 LLM = ખોટો જવાબ

ThunderPhone · સંકલિત

ઘણા માર્ગો, એક સંકલિત જવાબ.

કૉલરનો ઑડિયો

“I rent.” · અસ્પષ્ટ રીતે બોલાયેલું

STT A

“I rent”

STT B

“I’m Brent”

ઑડિયો LLM

“I rent”

પુરાવા તરીકે ત્રણ ટ્રાન્સક્રિપ્ટ્સ + કાચો ઑડિયો રાખવામાં આવે છે

તર્ક સ્તર

ઝડપી + વિચારશીલ LLMs લખાણ અને ઑડિયો પુરાવાનું મૂલ્યાંકન કરે છે.

→ 3માંથી 2 માર્ગો સહમત છે: “I rent”

વિચારશીલ + ઝડપી LLMs જવાબ આપતા પહેલાં પરસ્પર ચકાસણી કરે છે

TTS

પસંદ કરાયેલા અવાજો જોડણી અને અક્ષરાંકો સંબંધિત ભ્રમિતતાઓ ઘટાડે છે.

→ “સમજાયું — એટલે તમે ભાડે રહો છો.” ✓

પહેલી જ વાર જટિલ વિગતો સાચી મેળવે છે.

પ્રદર્શનનો પુરાવો

Storm એ Big Bench Audio પર બુદ્ધિમત્તાના રેકોર્ડ સ્થાપ્યા છે.

BBA ચકાસે છે કે મોડેલ બોલાયેલા prompts સમજી શકે છે અને મુશ્કેલ પ્રશ્નોના સાચા જવાબ આપી શકે છે કે નહીં. અમારી સૌથી શક્તિશાળી Storm કન્ફિગરેશન અમારા જાહેર મૂલ્યાંકન સેટ પર 99.4% સુધી પહોંચે છે — 0.6% ભૂલો, જે આગામી શ્રેષ્ઠ જાહેર સ્કોર કરતાં 4× ઓછી છે.

મોડેલ

ભૂલ દર↓ ઓછું સારું છે

સ્કોર

ThunderPhone Storm · Extra Intelligence4× ઓછી ભૂલો

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%

Hugging Face પર BBA-Storm મૂલ્યાંકન ડેટાસેટ જુઓ

ભૂલ દર એટલે BBA સફળતા દરમાંથી 100% બાદ કરેલું. ThunderPhoneનું પરિણામ અમારા ઉપર લિંક કરેલા જાહેર મૂલ્યાંકન ડેટાસેટમાંથી છે; અન્ય જાહેર સ્કોર્સ (Artificial Analysis લીડરબોર્ડ) સંદર્ભ માટે સૂચિબદ્ધ છે. BBA ફોન કૉલનું પ્રદર્શન સંપૂર્ણપણે માપતું નથી, પરંતુ બોલાયેલા prompts પર તર્ક કરવાની ક્ષમતા માટે તે ઉપયોગી સંકેત છે.

સ્પષ્ટ અભિગમ રૂપરેખાંકનક્ષમતા કરતાં બહેતર છે

તમારે વૉઇસ સ્ટેક જાતે ગોઠવવો ન જોઈએ.

Vapi, Retell, Pipecat અને LiveKit જેવા અન્ય વૉઇસ AI પ્લેટફોર્મ્સ તમારા કૉલ્સ કાર્યરત કરવા માટે તમને વ્યાપક રૂપરેખાંકનના નિર્ણયો લેવા મજબૂર કરે છે. ThunderPhoneમાં, અમે માનીએ છીએ કે ટ્યુનિંગ અમારું કામ છે અને તમારા કૉલ્સ સરળતાથી કાર્યરત કરવા માટે તમારે શક્ય તેટલું ઓછું કામ કરવું જોઈએ.

અન્ય વૉઇસ AI પ્લેટફોર્મ્સ · ટ્યુન કરવા માટે ઘણા નિયંત્રણો

STT LLM TTS એન્ડપૉઇન્ટિંગ નોઇઝ દૂર કરવું વચ્ચેના વિક્ષેપો ફૉલબૅક્સ ટૂલ સ્કીમા વિલંબતા VAD

ThunderPhone આ બધું તમારા માટે ટ્યુન કરે છે

ThunderPhone · ત્રણ નિર્ણયો

એક ટિયર પસંદ કરો

Spark, Bolt, અથવા Storm.

એક વૉઇસ પસંદ કરો

પસંદ કરેલા, વાસ્તવિક કૉલ્સ પર પરીક્ષણ કરેલા.

તમારો prompt લખો

વર્તન, નીતિ, ટૂલ્સ — સાદી ભાષામાં.

ત્રણ નિર્ણયો. બસ એટલું જ સેટઅપ — ઑર્કેસ્ટ્રેશન, ફૉલબૅક્સ અને ટ્યુનિંગ પહેલેથી જ સામેલ છે.

અમે કાર્ય માટે શ્રેષ્ઠ મોડલ્સ પસંદ કરીએ છીએ અને તેમને એકસાથે જોડીએ છીએ. OpenAI, Anthropic અને Googleના અગ્રણી મોડલ્સ ઓપન-સોર્સ મોડલ્સ સાથે કામ કરે છે — દરેક કૉલ પર શ્રેષ્ઠ કામગીરી અને કિંમત માટે ઑર્કેસ્ટ્રેટ કરવામાં આવે છે, જેથી તમારે તેની ચિંતા ન કરવી પડે.

એક prompt, ઓછો ફેલાયેલો ગ્રાફ

એક prompt, નોડ્સનો ગ્રાફ નહીં.

ફ્લો બિલ્ડર્સ અસ્તિત્વમાં છે કારણ કે નબળી સિસ્ટમ્સ જટિલ prompts અનુસરી શકતી નથી. વાતચીતનું દરેક પગલું એક નોડ બની જાય છે, જેને તમારે જાતે બનાવવું અને જાળવવું પડે છે. Storm એક જ promptમાંથી વિગતવાર સૂચનાઓ અનુસરે છે, તેથી તમારે નોડ્સ અને એજિસ વિશે ચિંતા કરવાની જરૂર નથી.

ફ્લો-બિલ્ડર પ્લેટફૉર્મ્સ

દરેક શાખાનું હાથે વાયરિંગ કરો.

આવકારprompt · વૉઇસ

ફોન એકત્ર કરોprompt · ચકાસણી

ફોનની પુષ્ટિ કરોફરીથી prompt ×2

enroll()ટૂલ · ફરી પ્રયાસો

એસ્કેલેટ કરોમાનવ એજન્ટને

વિકલ્પબધા માટેનું

અમાન્ય ×2ભૂલ

એક નોંધણી ફ્લો માટે છ નોડ્સ — દરેકના પોતાના prompts, ટૂલ્સ, ટ્રાન્ઝિશન્સ અને નિષ્ફળતા હેન્ડલિંગ સાથે.

ThunderPhone Storm

વર્તનનું એકવાર વર્ણન કરો.

વર્તન માટેનો prompt

કૉલરને આવકારો અને તેમનું નામ અને ફોન એકત્ર કરો.
નોંધણી કરતાં પહેલાં સંમતિની પુષ્ટિ કરો — ફરજિયાત.
જો તેઓ બિલિંગ વિશે પૂછે, તો નીચેની બિલિંગ નીતિ અનુસરો.
દરેક ફીલ્ડની પુષ્ટિ થયા પછી જ enroll() કૉલ કરો.
જો કૉલર કોઈ વ્યક્તિ સાથે વાત કરવા કહે, તો માનવ એજન્ટને ટ્રાન્સફર કરો.

જટિલ શાખાઓ વૈકલ્પિક વૉચડૉગ્સ સરળ પુનરાવર્તન

લખવા, પરીક્ષણ કરવા અને પુનરાવર્તન કરવા માટે એક prompt — શાખાઓ સહિત.

શા માટે મહત્વનું છે

પ્રોડક્શન કૉલ જટિલ હોય છે. ThunderPhone તૈયાર છે.

અસ્પષ્ટ બોલચાલ, પૃષ્ઠભૂમિની વાતચીત, નામો અને નંબરો, મિશ્ર ભાષાઓ — ThunderPhone એવી પરિસ્થિતિઓ માટે બનાવવામાં આવ્યું છે જે અન્ય સિસ્ટમોને નિષ્ફળ બનાવે છે.

અસ્પષ્ટ બોલી

એક ટ્રાન્સક્રિપ્ટ પર વિશ્વાસ કરવાને બદલે ઑડિયો અને ટેક્સ્ટ સિગ્નલની સરખામણી કરો.

નબળી ફોન ઑડિયો ગુણવત્તા

નૉઇઝ ઓળખ અને ઘટાડવાના મોડેલ સિગ્નલ સાફ કરે છે.

પાછળની વાતચીત

એજન્ટને ખોરવે તે પહેલાં બાજુની વાતચીત ઓળખો.

નામો અને સરનામાંઓ

વ્યક્તિનામ, જોડણી, નંબરો અને સુધારાની ક્રોસ-ચકાસણી કરો.

મિશ્ર-ભાષી બોલી

જરૂર પડે ત્યારે બહુભાષી ઑડિયો અને વૉઇસ પાથ દ્વારા રૂટ કરો.

લાંબા prompt

જ્યારે વર્તનને એક નિયમ સુધી મર્યાદિત ન કરી શકાય ત્યારે વધુ મજબૂત રીઝનિંગ પાથનો ઉપયોગ કરો.

વિલંબ, ગુણવત્તા અને ખર્ચ

ઝડપી ખોટો જવાબ વધુ સારો કૉલ નથી.

ફોન AIએ ઝડપથી જવાબ આપવો પડે છે — પરંતુ સાચાપણું વિના ઝડપ એટલે માત્ર ઝડપથી થતી ભૂલો. વિશ્વસનીય રહેવા માટે આજના LLMને વિચારવા એક ક્ષણ જોઈએ છે, તેથી ThunderPhone દરેક ટિયરમાં આ બંનેનું સંતુલન રાખે છે.

Spark

~3s

પ્રથમ પ્રતિભાવ સુધી

Bolt

~2s

પ્રથમ પ્રતિભાવ સુધી

Storm

~2–3s

સ્વીકૃતિ સાથે ~2s · વગર ~3s

માપનઅન્ય વેન્ડર્સ આદર્શ પરિસ્થિતિઓમાં 500ms વિલંબનો દાવો કરે છે, પરંતુ વાસ્તવિક કૉલમાં સામાન્ય રીતે લગભગ 2s લે છે.અમે વાસ્તવિક પરિસ્થિતિઓમાં અમારા વિલંબને માપીએ છીએ.

સ્થિતિસ્થાપકતાAI વેન્ડર્સને વિલંબના અચાનક વધારા અનુભવાય છે, જે કૉલને ખોરવી શકે છે.આવું થાય ત્યારે ThunderPhoneનું સંકલિત સ્ટૅક વધુ ઝડપી વિકલ્પો પર સ્વિચ થાય છે.

વૉઇસ AIની પેઢીઓ

વૉઇસ AIની આગામી પેઢી અહીં છે

ઓટોમેટેડ ફોન કૉલ્સ નિરાશાજનક અનુભવો રહ્યા છે... અત્યાર સુધી. ટેક્નોલોજીની દરેક લહેરે અનુભવ સુધાર્યો છે, પરંતુ અનુભવ ખરેખર સરળ બને ત્યાં સુધી ક્યારેય નહીં. ThunderPhone સાથે તે બદલાય છે.

1990s2010s20242026 · હવે

પેઢી 1

IVR

સેલ્સ માટે એક દબાવો, સપોર્ટ માટે બે દબાવો. મેનૂ ફક્ત કૉલને યોગ્ય વિભાગે મોકલી શકે છે.

પેઢી 2

ઇન્ટેન્ટ બોટ્સ

“સેલ્સ” અથવા “બિલિંગ” કહો અને આશા રાખો કે સ્લોટ પાર્સર તેને પકડી લે.

પેઢી 3

ત્રણ-પગલાનું AI

ટ્રાન્સક્રાઇબ કરો, એક ઝડપી LLMને પૂછો, પછી બોલો — દરેક પગલું અગાઉના પગલા પર ભરોસો કરે છે.

પેઢી 4

ઇન્ટિગ્રેટેડ AI

ઑડિયો, ટેક્સ્ટ, રીઝનિંગ, ટૂલ્સ, અવાજો અને સુરક્ષા મર્યાદાઓ એક જ સિસ્ટમ તરીકે.

એવા કૉલ્સ માટે બનાવેલ જે બીજું બધું નિષ્ફળ બનાવે છે

ઇન્ટિગ્રેટેડ સ્ટેક
તમારા સૌથી મુશ્કેલ કૉલ્સ પર જુઓ.

દસ મિનિટમાં લાઇવ. 2¢/મિનિટથી.

શરૂ કરો