Lielākā daļa balss MI platformu izmanto 3 posmu apstrādes ķēdi: vienu transkripcijas modeli, vienu LLM bez spriešanas spējām un vienu runas sintēzes dzini. Katrs posms pats par sevi var izraisīt visas sistēmas kļūmi. ThunderPhone samazina kļūdu skaitu, vienlaikus koordinējot daudzu modeļu darbu.
ThunderPhone vienlaikus koordinē daudzu modeļu darbu, ļaujot tiem savstarpēji labot kļūdas.
Ātrais LLM redz tikai transkriptu.
“Hi, Brent — how can I help?”
Ātrie un spriestspējīgie LLM veic savstarpēju pārbaudi: 2 no 3 ceļiem sakrīt.
“Got it — so you rent.”
BBA pārbauda, vai modelis spēj saprast ierunātas uzvednes un pareizi atbildēt uz sarežģītiem jautājumiem. Rekords pieder mūsu jaudīgākajai Storm konfigurācijai: 99,4 % mūsu publiskajā novērtēšanas datu kopā.
0.6% kļūdu īpatsvars
ThunderPhone rezultāts iegūts mūsu publiski pieejamajā novērtēšanas datu kopā, uz kuru saite norādīta augstāk; pārējie publiski pieejamie rezultāti (Artificial Analysis līderu tabulā) norādīti atsaucei.
Citas balss MI platformas, piemēram, Vapi, Retell, Pipecat un LiveKit, liek jums pašiem izvēlēties un iestatīt daudzus parametrus, lai zvani darbotos. ThunderPhone pieeja ir vienkārša: sistēmas optimizēšana ir mūsu darbs, bet jums jāiegulda pēc iespējas mazāk pūļu, lai zvani ritētu bez aizķeršanās.
ThunderPhone visus šos iestatījumus pielāgo jūsu vietā
Spark, Bolt vai Storm.
Rūpīgi atlasītas un pārbaudītas reālos zvanos.
Rīcība, politika un rīki — vienkāršā valodā.
Trīs izvēles. Un iestatīšana ir pabeigta — modeļu koordinēšana, rezerves risinājumi un pielāgošana jau ir iebūvēti.
Katram uzdevumam izvēlamies piemērotākos modeļus un apvienojam tos vienotā sistēmā. Jaunākās paaudzes OpenAI, Anthropic un Google modeļi darbojas kopā ar atvērtā pirmkoda modeļiem — tie ir savstarpēji koordinēti, lai katrā zvanā nodrošinātu optimālu veiktspēju un cenu, tāpēc jums par to nav jāraizējas.
Sarunu plūsmu veidotāji ir vajadzīgi tāpēc, ka vājākas sistēmas nespēj izpildīt sarežģītas uzvednes. Katrs sarunas posms kļūst par mezglu, kas jums manuāli jāizveido un jāuztur. Storm spēj izpildīt vienā uzvednē ietvertus izvērstus norādījumus, tāpēc jums nav jāraizējas par mezgliem un savienojumiem.
Vienai reģistrācijas plūsmai vajadzīgi seši mezgli — katram savas uzvednes, rīki, pārejas un kļūmju apstrādes loģika.
Sasveicinieties ar zvanītāju un noskaidrojiet zvanītāja vārdu un tālruņa numuru. Pirms reģistrēšanas pārliecinieties, ka zvanītājs ir devis piekrišanu — tas ir obligāti. Ja zvanītājs jautā par norēķiniem, ievērojiet tālāk norādīto norēķinu politiku. Izsauciet enroll() tikai tad, kad visi lauki ir apstiprināti. Ja zvanītājs vēlas runāt ar cilvēku, pāradresējiet zvanu cilvēkam.
Viena uzvedne, ko rakstīt, testēt un pilnveidot — atzarošana iekļauta.
Neskaidra runa, sarunas fonā, personvārdi un skaitļi, valodu sajaukums — ThunderPhone ir radīts situācijām, ar kurām citas sistēmas netiek galā.
Salīdziniet audio un teksta signālus, nevis paļaujieties tikai uz vienu transkripciju.
Trokšņu atpazīšanas un slāpēšanas modeļi attīra signālu.
Atpazīstiet fona sarunas, pirms tās izjauc balss aģenta darbu.
Salīdziniet un pārbaudiet īpašvārdus, rakstību, skaitļus un labojumus.
Kad nepieciešams, izmantojiet daudzvalodu audio un balss apstrādes plūsmas.
Ja rīcību nevar aprakstīt ar vienu noteikumu, izmantojiet padziļinātas spriešanas pieejas.
Balss aģentam jāatbild ātri, taču ātrums bez precizitātes nozīmē vien to, ka kļūdas tiek pieļautas ātrāk. Mūsdienu LLM nepieciešams brīdis pārdomām, lai nodrošinātu uzticamu darbību, tāpēc ThunderPhone līdzsvaro reakcijas laiku un precizitāti.
Citi pakalpojumu sniedzēji apgalvo, ka ideālos apstākļos aizkave ir 500 ms, taču reāla zvana laikā tā parasti ir ap 2 s. Mēs mērām sistēmas aizkavi reālos apstākļos.
MI pakalpojumu sniedzēju sistēmās mēdz strauji pieaugt aizkave, un tas var izjaukt sarunas gaitu. Kad tā notiek, ThunderPhone orķestrētā tehnoloģiju arhitektūra automātiski pārslēdzas uz ātrākām alternatīvām.
Automatizēti tālruņa zvani līdz šim ir sagādājuši vien vilšanos… Katrs tehnoloģiju attīstības vilnis šo pieredzi ir uzlabojis, taču ne tik ļoti, lai zvani ritētu patiesi raiti. ThunderPhone to maina.
“Nospiediet vienu, lai runātu ar pārdošanas nodaļu, nospiediet divus — ar atbalsta dienestu.” Izvēlnes tikai pāradresē zvanus.
Pasakiet “pārdošana” vai “rēķini” un ceriet, ka slotu analizators sapratīs teikto.
Transkribē, nosūta vaicājumu vienam ātram LLM un tad atbild balsī — katrs posms paļaujas uz iepriekšējā posma rezultātu.
Audio, teksts, spriešana, rīki, balsis un drošības mehānismi vienotā sistēmā.
Gatavs darbam desmit minūtēs. No 2 centiem minūtē.