ഭൂരിഭാഗം വോയ്സ് AI പ്ലാറ്റ്ഫോമുകളും 3-ഘട്ട പൈപ്പ്ലൈനെയാണ് ആശ്രയിക്കുന്നത്: ഒരു ട്രാൻസ്ക്രിപ്ഷൻ മോഡൽ, റീസണിങ് നടത്താത്ത ഒരു LLM, ഒരു ടെക്സ്റ്റ്-ടു-സ്പീച്ച് എൻജിൻ. അതിൽ ഓരോ ഘട്ടവും പിഴച്ചാൽ മുഴുവൻ കോൾ പരാജയപ്പെടാം. ഒരേസമയം നിരവധി മോഡലുകളെ ഏകോപിപ്പിച്ചാണ് ThunderPhone പിഴവുകൾ കുറയ്ക്കുന്നത്.
ThunderPhone ഒരേസമയം നിരവധി മോഡലുകളെ ഏകോപിപ്പിക്കുന്നു; ഒന്നിന്റെ പിഴവ് മറ്റൊന്ന് തിരുത്തുന്നു.
ഫാസ്റ്റ് LLM കാണുന്നത് ട്രാൻസ്ക്രിപ്റ്റ് മാത്രം.
“Hi, Brent — how can I help?”
ഫാസ്റ്റ് + റീസണിങ് LLM-കൾ ക്രോസ്-ചെക്ക് ചെയ്യുന്നു: 3 വഴികളിൽ 2 എണ്ണം യോജിക്കുന്നു.
“Got it — so you rent.”
ഒരു മോഡലിന് ശബ്ദമായി നൽകുന്ന prompt-ുകൾ മനസ്സിലാക്കി കടുപ്പമുള്ള ചോദ്യങ്ങൾക്ക് കൃത്യമായി ഉത്തരം നൽകാനാകുമോ എന്നാണ് BBA പരിശോധിക്കുന്നത്. റെക്കോർഡ് കൈവശമുള്ളത് ഞങ്ങളുടെ ഏറ്റവും കരുത്തുറ്റ Storm കോൺഫിഗറേഷനാണ്: ഞങ്ങളുടെ പബ്ലിക് ഇവാലുവേഷൻ സെറ്റിൽ 99.4%.
0.6% പിശക് നിരക്ക്
ThunderPhone-ന്റെ ഫലം മുകളിൽ ലിങ്ക് ചെയ്തിരിക്കുന്ന ഞങ്ങളുടെ പബ്ലിക് ഇവാലുവേഷൻ ഡാറ്റാസെറ്റിൽ നിന്നുള്ളതാണ്; താരതമ്യത്തിനായി മറ്റ് പബ്ലിക് സ്കോറുകളും (Artificial Analysis ലീഡർബോർഡ്) നൽകിയിട്ടുണ്ട്.
നിങ്ങളുടെ കോളുകൾ പ്രവർത്തനക്ഷമമാക്കാൻ Vapi, Retell, Pipecat, LiveKit പോലുള്ള മറ്റ് വോയ്സ് AI പ്ലാറ്റ്ഫോമുകളിൽ കോൺഫിഗറേഷനുമായി ബന്ധപ്പെട്ട ഒട്ടേറെ തീരുമാനങ്ങൾ നിങ്ങൾ തന്നെ എടുക്കേണ്ടിവരും. ThunderPhone-ൽ ഞങ്ങളുടെ നിലപാട് വ്യക്തമാണ്: ട്യൂണിങ് ഞങ്ങളുടെ ജോലി; നിങ്ങളുടെ കോളുകൾ സുഗമമായി പ്രവർത്തിക്കാൻ നിങ്ങൾ ചെയ്യേണ്ടത് പരമാവധി കുറവായിരിക്കണം.
ഇതെല്ലാം ThunderPhone നിങ്ങൾക്കായി ട്യൂൺ ചെയ്യുന്നു
Spark, Bolt, അല്ലെങ്കിൽ Storm.
ശ്രദ്ധയോടെ തിരഞ്ഞെടുത്തത്, യഥാർഥ കോളുകളിൽ പരീക്ഷിച്ചത്.
പ്രവർത്തനരീതി, നയം, ടൂളുകൾ — ലളിതമായ ഭാഷയിൽ.
മൂന്ന് കാര്യങ്ങൾ തീരുമാനിച്ചാൽ മതി. സെറ്റപ്പ് കഴിഞ്ഞു — ഓർക്കസ്ട്രേഷൻ, ഫോൾബാക്ക്, ട്യൂണിങ് എന്നിവയെല്ലാം ആദ്യമേ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.
ഓരോ ജോലിക്കും ഏറ്റവും അനുയോജ്യമായ മോഡലുകൾ തിരഞ്ഞെടുത്ത് ഞങ്ങൾ അവയെ ഒരുമിച്ച് പ്രവർത്തിപ്പിക്കുന്നു. OpenAI, Anthropic, Google എന്നിവയുടെ അത്യാധുനിക മോഡലുകൾ ഓപ്പൺ സോഴ്സ് മോഡലുകൾക്കൊപ്പം പ്രവർത്തിക്കുന്നു — ഓരോ കോളിലും മികച്ച പ്രകടനം മികച്ച നിരക്കിൽ നൽകാൻ എല്ലാം കൃത്യമായി ഓർക്കസ്ട്രേറ്റ് ചെയ്തിരിക്കുന്നു. അതിനാൽ ഇതൊന്നും നിങ്ങൾ കൈകാര്യം ചെയ്യേണ്ടതില്ല.
സങ്കീർണ്ണമായ prompt-കളിലെ നിർദ്ദേശങ്ങൾ പാലിക്കാൻ ശേഷി കുറഞ്ഞ സിസ്റ്റങ്ങൾക്ക് കഴിയാത്തതിനാലാണ് ഫ്ലോ ബിൽഡറുകൾ വേണ്ടിവരുന്നത്. സംഭാഷണത്തിലെ ഓരോ ഘട്ടവും നിങ്ങൾ തന്നെ നിർമിക്കുകയും പരിപാലിക്കുകയും ചെയ്യേണ്ട ഒരു നോഡായി മാറുന്നു. ഒരൊറ്റ prompt-ലുള്ള വിശദമായ നിർദ്ദേശങ്ങൾ Storm പിന്തുടരുന്നതിനാൽ, നോഡുകളെയും എഡ്ജുകളെയും കുറിച്ച് നിങ്ങൾ ആശങ്കപ്പെടേണ്ടതില്ല.
ഒരൊറ്റ എൻറോൾമെന്റ് ഫ്ലോയ്ക്ക് ആറ് നോഡുകൾ — ഓരോന്നിനും അതിന്റേതായ prompt-കൾ, ടൂളുകൾ, ട്രാൻസിഷനുകൾ, പരാജയങ്ങൾ കൈകാര്യം ചെയ്യാനുള്ള സംവിധാനം.
കോളറെ സ്വാഗതം ചെയ്ത് അവരുടെ പേര്, ഫോൺ നമ്പർ എന്നിവ ശേഖരിക്കുക. എൻറോൾ ചെയ്യുന്നതിന് മുമ്പ് സമ്മതം സ്ഥിരീകരിക്കുക — ഇത് നിർബന്ധമാണ്. ബില്ലിങ്ങിനെക്കുറിച്ച് ചോദിച്ചാൽ, താഴെയുള്ള ബില്ലിങ് നയം പാലിക്കുക. എല്ലാ ഫീൽഡുകളും സ്ഥിരീകരിച്ചതിന് ശേഷം മാത്രം enroll() കോൾ ചെയ്യുക. ഒരു വ്യക്തിയുമായി സംസാരിക്കണമെന്ന് കോളർ ആവശ്യപ്പെട്ടാൽ, മനുഷ്യ പ്രതിനിധിയിലേക്ക് കൈമാറുക.
എഴുതാനും ടെസ്റ്റ് ചെയ്യാനും ആവർത്തിച്ച് മെച്ചപ്പെടുത്താനും ഒരൊറ്റ prompt — ബ്രാഞ്ചിങ്ങും ഉൾപ്പെടെ.
വ്യക്തതയില്ലാത്ത സംസാരം, പശ്ചാത്തലത്തിലെ സംസാരശബ്ദം, പേരുകളും നമ്പറുകളും, ഇടകലർന്ന ഭാഷകൾ — മറ്റ് സിസ്റ്റങ്ങൾ കൈവിടുന്ന ഇത്തരം സാഹചര്യങ്ങൾക്കായാണ് ThunderPhone നിർമിച്ചിരിക്കുന്നത്.
ഒരൊറ്റ ട്രാൻസ്ക്രിപ്റ്റിനെ മാത്രം ആശ്രയിക്കാതെ ഓഡിയോ, ടെക്സ്റ്റ് സിഗ്നലുകൾ ഒത്തുനോക്കുക.
നോയിസ് തിരിച്ചറിയുകയും കുറയ്ക്കുകയും ചെയ്യുന്ന മോഡലുകൾ സിഗ്നൽ ശുദ്ധമാക്കുന്നു.
ഏജന്റിന്റെ ഗതി തെറ്റിക്കുന്നതിന് മുമ്പേ പശ്ചാത്തലത്തിലെ സംഭാഷണങ്ങൾ തിരിച്ചറിയുക.
പേരുകളും മറ്റു പ്രത്യേക നാമങ്ങളും, സ്പെല്ലിങ്ങുകളും, നമ്പറുകളും, തിരുത്തലുകളും ഒത്തുനോക്കുക.
ആവശ്യമുള്ളപ്പോൾ ബഹുഭാഷാ ഓഡിയോ, വോയ്സ് പാതകളിലൂടെ സംഭാഷണം റൂട്ട് ചെയ്യുക.
പെരുമാറ്റത്തെ ഒറ്റ നിയമത്തിലേക്ക് ചുരുക്കാനാകാത്തപ്പോൾ കൂടുതൽ ശക്തമായ യുക്തിവിചാര രീതികൾ ഉപയോഗിക്കുക.
ഫോൺ AI വേഗത്തിൽ പ്രതികരിക്കണം — പക്ഷേ കൃത്യതയില്ലാതെ വേഗം കൂട്ടിയാൽ, വേഗത്തിൽ തെറ്റുപറ്റുമെന്നുമാത്രം. വിശ്വസനീയമായി പ്രവർത്തിക്കാൻ ഇന്നത്തെ LLM-കൾക്ക് ചിന്തിക്കാനൊരു നിമിഷം വേണം; അതുകൊണ്ട് ThunderPhone ലേറ്റൻസിയും കൃത്യതയും സന്തുലിതമാക്കുന്നു.
മറ്റ് വെൻഡർമാർ ഏറ്റവും അനുകൂലമായ സാഹചര്യങ്ങളിൽ ലേറ്റൻസി 500 മില്ലിസെക്കൻഡാണെന്ന് അവകാശപ്പെടുന്നു; എന്നാൽ സാധാരണയായി യഥാർഥ കോളിൽ അത് ഏകദേശം 2 സെക്കൻഡാണ്. യഥാർഥ സാഹചര്യങ്ങളിലാണ് ഞങ്ങൾ ലേറ്റൻസി അളക്കുന്നത്.
AI വെൻഡർമാർ നേരിടുന്ന ലേറ്റൻസി സ്പൈക്കുകൾ കോളുകൾ താളം തെറ്റിക്കാം. ഇത്തരം ഘട്ടങ്ങളിൽ ThunderPhone-ന്റെ ഓർക്കസ്ട്രേറ്റഡ് സ്റ്റാക്ക് കൂടുതൽ വേഗമുള്ള ഓപ്ഷനുകളിലേക്ക് സ്വയം മാറുന്നു.
ഓട്ടോമേറ്റഡ് ഫോൺ കോളുകൾ ഇതുവരെ ആളുകളുടെ ക്ഷമ പരീക്ഷിച്ചു… ഇനി അങ്ങനെയല്ല. സാങ്കേതികവിദ്യ മുന്നേറിയ ഓരോ ഘട്ടത്തിലും അനുഭവം മെച്ചപ്പെട്ടു; പക്ഷേ ഒരിക്കലും അത് ശരിക്കും സുഗമമായില്ല. ThunderPhone അതു മാറ്റുന്നു.
“സെയിൽസിനായി ഒന്ന് അമർത്തുക, സപ്പോർട്ടിനായി രണ്ട് അമർത്തുക.” മെനുകൾക്ക് കോളുകൾ വഴിതിരിച്ചുവിടാൻ മാത്രമേ കഴിയൂ.
“സെയിൽസ്” എന്നോ “ബില്ലിംഗ്” എന്നോ പറയുക—സ്ലോട്ട് പാർസർ അത് തിരിച്ചറിയുമെന്ന് പ്രതീക്ഷിക്കുക.
ആദ്യം സംഭാഷണം എഴുത്തിലാക്കുന്നു, പിന്നെ വേഗമേറിയ ഒരൊറ്റ LLM-നോട് ചോദിക്കുന്നു, തുടർന്ന് മറുപടി ശബ്ദമായി പറയുന്നു—ഓരോ ഘട്ടവും തൊട്ടുമുമ്പത്തേതിനെ ആശ്രയിച്ചാണ് പ്രവർത്തിക്കുന്നത്.
ഓഡിയോ, ടെക്സ്റ്റ്, റീസണിംഗ്, ടൂളുകൾ, വോയ്സുകൾ, ഗാർഡ്റെയിലുകൾ—എല്ലാം ഒരൊറ്റ സിസ്റ്റമായി.
10 മിനിറ്റിനകം ലൈവ്. മിനിറ്റിന് 2¢ മുതൽ.