Technológia
Lépjen túl a háromlépcsős feldolgozási láncon.
A legtöbb hangalapú AI egy beszédfelismerő modellre, egy LLM-re és egy TTS-modellre, vagy egyetlen, beszédből beszédet előállító modellre épül. A ThunderPhone ezzel szemben minden hívás során több modellt futtat, amelyek egymást is ellenőrzik.
Architektúra
Más rendszerek éles hívásoknál elvéreznek.
A miénk helytáll.
Más szolgáltatók háromlépcsős feldolgozási láncot vagy beszédből beszédet előállító modellt használnak. Mindkét megoldás hibázik, és ezek a hibák éles hívásokat tesznek tönkre.
Minden lépés az előzőre hagyatkozik
- A leirat csak az egyetlen legjobbnak vélt változatot tartja meg. Ha ez téves, az LLM már nem tud korrigálni.
- A gyors LLM-ek hibáznak. Az alaposabbak válaszára viszont másodperceket kell várni.
- A kötött megszólalási rend merevvé teszi a beszélgetést.
Természetesen beszél, de lazán kezeli a szabályokat
- Az utasítások követése és az eszközhívások terén sem megbízható.
- A kiszámíthatatlan működés kockázatot jelent az üzleti hívások során.
- Néha pontosabban érti a beszédet, de nem mindig.
Több modell ellenőrzi egymást
- Több beszédfelismerő modellre és magára a hanganyagra támaszkodunk, így a rendszer pontosan érti a hívókat.
- Megszólalásonként váltunk a gyors és a gondolkodó modell között.
- A Zeus az Ön hívásainak igényeire hangolja a modelleket.
Hívásonként számos modell
Egy hívás, több értelmezés – majd egyeztetjük az eredményeket.
A megbízható híváskezeléshez háromnál jóval több modell kell. Nyílt forráskódú és kereskedelmi modelleket kombinálunk, és ahol hasznos, finomhangoljuk őket.
Több beszédfelismerő modell és maga a hanganyag
Több beszédfelismerő modellt futtatunk párhuzamosan, a hanganyagot pedig gyakran közvetlenül egy LLM-nek is továbbítjuk.
Egy gyors és egy gondolkodó modell
A beszélgetés alakulása alapján minden megszólalásnál külön dől el, melyik modell válaszol.
Zaj, beszélők, beszélőváltás
Modellek a zaj kezelésére, a beszélők elkülönítésére, valamint az egyes megszólalások kezdetének és végének felismerésére.
Természetes hangzás, megbízható működés
A speech-to-speech modellek mellett szöveges modelleket is futtatunk.
Háromlépcsős feldolgozási lánc hibás válasz
ThunderPhone elsőre helyes válasz
Pontosság
Nyilvános benchmarkon bizonyított.
A Big Bench Audio azt méri, hogy egy modell megérti-e a nehéz, szóban feltett kérdéseket, és helyes választ ad-e rájuk.
Tesztjeink
Valós hívásokra épülő tesztek.
A rendszer minden eleméhez szóba jövő összes modellt valós hívásokból származó adatokon teszteljük – nem a szolgáltatók állításaira hagyatkozunk –, és mindegyik előnyeit és hátrányait nyomon követjük. Zeus ezek alapján választja ki az Önnek megfelelő konfigurációt.
Hamarosan közzétesszük belső tesztjeink nyilvános változatait.
| Valós hívásokon végzett teszt | A modell | B modell |
|---|---|---|
| Nevek és számok felismerése | erősebb | jó |
| Rövid válaszok („igen”, „nem”) | jó | erősebb |
| Válaszadási sebesség | gyorsabb | lassabb |
| Hosszú szabályok követése | gyengébb | erősebb |
Kompromisszumok
Minden hívás más beállítást igényel. Zeus kiválasztja a megfelelőt.
Architektúránk minden részfeladathoz többféle modellt kínál: a beszédfelismeréshez, a gondolkodáshoz, a beszélőváltáshoz és a hanghoz is. Mindegyik más egyensúlyt teremt a pontosság, a sebesség és a költségek között. Zeus az Ön hívásaihoz legjobb összeállítást választja.
| Fogászati recepciós | Kimenő értékesítés | |
|---|---|---|
| Beszédfelismerés | Három beszédátíró az eredeti hanggal együtt, a nevek, születési dátumok és biztosítási számok felismeréséhez | Egy gyors, rövid válaszokra hangolt beszédátíró |
| Gondolkodás | Gondolkodó modell a foglalás egyeztetésekor, gyors modell a kötetlen beszélgetéshez | A legtöbb megszólalásnál gyors modell, hogy lendületben maradjon az értékesítési beszélgetés |
| Beszélőváltás | Türelmes: kivárja a szüneteket, amíg a hívó fél előkeresi a kártyáját | Gyors: azonnal megszólal, amint a potenciális ügyfél befejezi |
| Hang | Stabil hang, amely tisztán visszaolvassa a számokat | A legtermészetesebb prémium hang |
| Cél | Foglalások rögzítése hibás adatok nélkül | Konverziós érték mínusz a hívás költsége |
Kizárólag szemléltető példák. A Zeus az Ön saját hívásai és céljai alapján választja ki az egyes beállításokat.
Késleltetés
A legtöbb válasznál gyors. Alapos, amikor igazán számít.
Egyes válaszok előtt a modellnek alaposabban át kell gondolnia a helyzetet, ami időbe telik. A legtöbb válasz azonban nagyon gyorsan megadható. A ThunderPhone válaszról válaszra igazítja a gondolkodás mélységét az adott helyzethez, így egy átlagos válasz körülbelül 1,5 másodperc alatt érkezik meg, de ha a hibák elkerülése érdekében több időre van szükség, tovább gondolkodik. Más hangalapú AI-megoldások erre nem képesek.
Válaszidő, válaszról válaszra
Valós hívások
Természetes beszélgetés, még zűrös hívásoknál is.
A hívók félbeszakíthatják az ügynököt, szünetet tarthatnak vagy meggondolhatják magukat – a beszélgetés mégis gördülékeny marad. A ThunderPhone olyan helyzetekre készült, amelyeknél más rendszerek elvéreznek.
Motyogás
Nem egyetlen átiratra hagyatkozik: a hangot és a szöveget is összeveti.
Nevek és címek
Összeveti a tulajdonneveket, a betűzéseket, a számokat és a helyesbítéseket.
Gyenge telefonos hangminőség
A zajszűrő modellek megtisztítják a jelet, mielőtt bármi más feldolgozná.
Háttérben zajló beszélgetés
Felismeri a mellékes beszélgetéseket, mielőtt kizökkentenék az AI-ügynököt.
Kevert nyelvű beszéd
Ha a hívó nyelvet vált, azonnal követi – akár a hívás közepén is.
Közbevágások és szünetek
Nem beszél tovább, ha a hívó közbevág, figyelmen kívül hagyja az „ühüm”-öt, és kivárja, amíg a hívó összeszedi a gondolatait.
Hangok
A TTS-hangok választása kompromisszumokkal jár. A Zeus segít eligazodni.
A TTS-modelleknek más-más előnyeik és hátrányaik vannak. A Zeus segít kiválasztani azt, amelyik az Ön hívásaihoz a legjobban illik.
| Platform Inworld | Prémium Cartesia | Prémium ElevenLabs v4 Turbo | |
|---|---|---|---|
| Ár | Szinte ingyenes | Kb. 2 centtel drágább percenként | Kb. 2 centtel drágább percenként |
| Stabilitás | |||
| Természetes hangzás |
Nyelvek
A hívó nyelvére vált akár hívás közben is.
A hangalapú AI-ügynökök 62 nyelven értenek és beszélnek, és azonnal váltanak, amint a hívó is. A különböző nyelvek használatáért nem számítunk fel felárat.
Tegye próbára a legnehezebb hívási helyzetekben.
Vágjon bele ingyen, $10 értékű hívási kredittel. Nincs szükség bankkártyára.