Spark
~3s
līdz pirmajai atbildei
Tehnoloģija
Pārsniedziet 3 posmu procesu.
Lielākā daļa balss MI platformu izmanto 3 posmu procesu: vienu transkripcijas modeli, vienu LLM bez spriešanas spējas, vienu teksta-runas sintēzes sistēmu. Katrs posms ir viens iespējamais atteices punkts. ThunderPhone samazina kļūdas, vienlaikus koordinējot daudzus modeļus.
Zvanītājs teica “I rent.”
ASR A“I rent”
ASR B“I’m Brent”
Audio LLM“I rent”
Saskaņots ar “I rent” 2 no 3 ceļiem sakrīt
Integrētā arhitektūra
Uzklausiet to dažādos veidos, pēc tam salāgojiet.
ThunderPhone vienlaikus koordinē daudzus modeļus, ļaujot tiem labot vienam otra kļūdas.
Citas platformas · 3 soļu process
Katrs solis paļaujas uz iepriekšējo.
Zvanītāja audio
“I rent.” · neskaidri nomurmināts
STT A
“I’m Brent”
STT B
—
Audio LLM
—
Nav rezerves risinājuma, kad viens modelis saklausa nepareizi
LLM
Ātrs modelis redz tikai transkripciju.
→ atbild: “Hi, Brent — kā varu palīdzēt?”
Ātrie LLM pieļauj kļūdas, ievērojot norādījumus
TTS
Atbilde tiek pateikta skaļi.
→ saka: “Hi, Brent — kā varu palīdzēt?” ✗
1 transkripts + 1 LLM = nepareiza atbilde
ThunderPhone · koordinēts
Daudzi ceļi, viena koordinēta atbilde.
Zvanītāja audio
“I rent.” · neskaidri nomurmināts
STT A
“I rent”
STT B
“I’m Brent”
Audio LLM
“I rent”
Trīs transkripcijas + neapstrādāts audio saglabāti kā pierādījumi
Spriešanas slānis
Ātrie un spriešanas LLM izvērtē teksta un audio pierādījumus.
→ 2 no 3 ceļiem sakrīt: “I rent”
Spriešanas un ātrie LLM pirms atbildes savstarpēji pārbauda viens otru
TTS
Rūpīgi atlasītas balsis samazina halucinācijas pareizrakstībā un burtciparu virknēs.
→ “Sapratu — tātad jūs īrējat.” ✓
Pareizi uztver sarežģītas detaļas jau pirmajā reizē.
Veiktspējas pierādījums
Storm uzstāda intelekta rekordus Big Bench Audio testā.
BBA pārbauda, vai modelis spēj saprast mutiski izteiktus uzdevumus un pareizi atbildēt uz sarežģītiem jautājumiem. Mūsu jaudīgākā Storm konfigurācija mūsu publiskajā novērtēšanas kopā sasniedz 99,4% — 0,6% kļūdu, 4× mazāk nekā nākamajam labākajam publiskajam rezultātam.
Modelis
Kļūdu īpatsvars↓ zemāk ir labāk
Rezultāts
ThunderPhone Storm · Extra Intelligence4× mazāk kļūdu
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%
Kļūdu īpatsvars ir 100% mīnus BBA panākumu rādītājs. ThunderPhone rezultāts ir iegūts mūsu publiskajā novērtēšanas datu kopā, uz kuru ir saite iepriekš; citi publiskie rezultāti (Artificial Analysis līderu tabula) ir norādīti salīdzinājumam. BBA pilnībā neatspoguļo tālruņa sarunu veiktspēju, taču tas ir noderīgs rādītājs spriešanai par mutiski izteiktiem uzdevumiem.
Pārdomāts risinājums pārspēj konfigurējamu
Jums nevajadzētu pašiem veidot balss tehnoloģiju kopumu manuāli.
Citas balss mākslīgā intelekta platformas, piemēram, Vapi, Retell, Pipecat un LiveKit, liek jums pieņemt daudz konfigurācijas lēmumu, lai jūsu zvani darbotos. ThunderPhone mēs uzskatām, ka pielāgošana ir mūsu darbs un ka jums būtu jāiegulda pēc iespējas mazāk darba, lai jūsu zvani noritētu raiti.
Citas balss mākslīgā intelekta platformas · daudz iestatījumu pielāgošanai
Runas pārvēršana tekstā LLM TTS Runas beigu noteikšana Trokšņu slāpēšana Pārtraukumi Rezerves risinājumi Rīku shēma Aizkave Balss aktivitātes noteikšana
ThunderPhone visu to pielāgo jūsu vajadzībām
ThunderPhone · trīs lēmumi
1
Izvēlieties līmeni
Spark, Bolt vai Storm.
2
Izvēlieties balsi
Atlasītas un pārbaudītas reālos zvanos.
3
Uzrakstiet savu uzvedni
Uzvedība, politika, rīki — vienkāršā valodā.
Trīs lēmumi. Tā ir visa iestatīšana — koordinēšana, rezerves risinājumi un pielāgošana jau ir iekļauti.
Mēs izvēlamies darbam piemērotākos modeļus un apvienojam tos. Vadošie OpenAI, Anthropic un Google modeļi darbojas līdzās atvērtā pirmkoda modeļiem — tie tiek koordinēti, lai katrā zvanā nodrošinātu labāko veiktspēju un cenu, tāpēc jums par to nav jāraizējas.
Viena uzvedne, mazāk diagrammu sarežģītības
Viena uzvedne, nevis mezglu diagramma.
Plūsmas veidotāji pastāv tāpēc, ka vājākas sistēmas nespēj izpildīt sarežģītas uzvednes. Katrs sarunas solis kļūst par mezglu, kas jums manuāli jāizveido un jāuztur. Storm izpilda detalizētus norādījumus no vienas uzvednes, tāpēc jums nav jāuztraucas par mezgliem un savienojumiem.
Plūsmas veidotāju platformasnederīgs ×2kļūda
Manuāli savienojiet katru atzaru.
Sveiciensuzvedne · balss
Iegūt tālruņa numuruuzvedne · validācija
Apstiprināt tālruņa numuruatkārtota uzvedne ×2
enroll()rīks · atkārtoti mēģinājumi
Pārsūtītcilvēkam
Rezerves variantsvispārējais gadījums
Seši mezgli vienai reģistrācijas plūsmai — katram savas uzvednes, rīki, pārejas un kļūdu apstrāde.
ThunderPhone Storm
Aprakstiet uzvedību vienreiz.
Uzvedības uzvedne
Sasveicinieties ar zvanītāju un noskaidrojiet viņa vārdu un tālruņa numuru.
Pirms reģistrēšanas apstipriniet piekrišanu — tas ir obligāti.
Ja zvanītājs jautā par rēķiniem, ievērojiet tālāk norādīto rēķinu izrakstīšanas politiku.
Izsauciet enroll() tikai tad, kad ir apstiprināts katrs lauks.
Ja zvanītājs lūdz sarunu ar cilvēku, pārsūtiet zvanu cilvēkam.
Pirms reģistrēšanas apstipriniet piekrišanu — tas ir obligāti.
Ja zvanītājs jautā par rēķiniem, ievērojiet tālāk norādīto rēķinu izrakstīšanas politiku.
Izsauciet enroll() tikai tad, kad ir apstiprināts katrs lauks.
Ja zvanītājs lūdz sarunu ar cilvēku, pārsūtiet zvanu cilvēkam.
Sarežģīta atzarošana Neobligāti uzraugi Vienkāršāka iterēšana
Viena uzvedne rakstīšanai, testēšanai un iterēšanai — ar iekļautu atzarošanu.
Kāpēc tas ir svarīgi
Reāli zvani ir sarežģīti. ThunderPhone ir gatavs.
Neskaidra runa, fona sarunas, vārdi un skaitļi, jauktas valodas — ThunderPhone ir radīts situācijām, kurās citas sistēmas pieviļ.
Neskaidra runa
Salīdziniet audio un teksta signālus, nevis uzticieties tikai vienai transkripcijai.
Nekvalitatīvs tālruņa audio
Trokšņu identificēšanas un samazināšanas modeļi attīra signālu.
Sarunas fonā
Atpazīstiet sarunas fonā, pirms tās novirza aģentu no uzdevuma.
Vārdi un adreses
Pārbaudiet īpašvārdus, pareizrakstību, skaitļus un labojumus.
Daudzvalodu runa
Vajadzības gadījumā novirziet zvanus caur daudzvalodu audio un balss apstrādes ceļiem.
Gari uzvedņu teksti
Izmantojiet spēcīgākus spriešanas ceļus, kad uzvedību nevar reducēt līdz vienam noteikumam.
Aizkave, kvalitāte un izmaksas
Ātrāka nepareiza atbilde nepadara zvanu labāku.
Tālruņa MI jāatbild ātri, taču ātrums bez pareizības tikai ātri rada kļūdas. Lai mūsdienu LLM saglabātu uzticamību, tiem vajadzīgs brīdis pārdomām, tāpēc ThunderPhone līdzsvaro abus aspektus katrā līmenī.
Bolt
~2s
līdz pirmajai atbildei
Storm
~2–3s
~2 s ar apstiprinājumiem · ~3 s bez tiem
MērījumiCiti pakalpojumu sniedzēji ideālos apstākļos sola 500 ms aizkavi, taču reālā zvanā parasti tā ir aptuveni 2 s.Mēs mēram aizkavi reālos apstākļos.
NoturībaMI pakalpojumu sniedzēji piedzīvo aizkaves lēcienus, kas var izjaukt zvanus.Kad tas notiek, ThunderPhone koordinētā sistēma pārslēdzas uz ātrākām iespējām.
Balss MI paaudzes
Nākamā balss MI paaudze ir klāt
Automatizēti tālruņa zvani ir bijuši nomācoša pieredze... līdz šim. Katrs tehnoloģiju vilnis ir uzlabojis pieredzi, taču nekad līdz brīdim, kad tā būtu patiesi raita. To maina ThunderPhone.
1990s2010s20242026 · tagad
1. paaudze
IVR
Nospiediet vienu pārdošanai, nospiediet divi atbalstam. Izvēlnes spēj tikai pāradresēt.
2. paaudze
Nodomu boti
Sakiet “pārdošana” vai “rēķini” un ceriet, ka lauku parsētājs to atpazīs.
3. paaudze
Trīspakāpju MI
Transkribē, uzdod jautājumu vienam ātram LLM, tad runā — katrs solis paļaujas uz iepriekšējo.
4. paaudze
Integrēts MI
Audio, teksts, spriešana, rīki, balsis un drošības ierobežojumi vienā sistēmā.
Radīts zvaniem, ar kuriem viss pārējais netiek galāIepazīstiet integrēto risinājumu
Iepazīstiet integrēto risinājumu
jūsu sarežģītākajiem zvaniem.
Darbojas pēc desmit minūtēm. Sākot no 2 ¢/min.