ThunderPhone टीमकडून बातम्या आणि नवे दृष्टिकोन.

आज आम्ही TranslateMyCall लाँच करत आहोत: लाइव्ह दुभाष्यासारखे काम करणारा एक मोफत फोन नंबर.

कोणत्याही फोनवरून — लँडलाइन किंवा मोबाइल, अॅप नाही, खाते नाही — (228) 888-8666 वर कॉल करा, आणि एक AI दुभाषा कॉलमध्ये सहभागी होईल. त्यानंतर तुम्ही तो दोनपैकी एका प्रकारे वापरू शकता:

• फोन कॉलवर. तुमच्या फोनवरील कॉल मर्ज बटण वापरून तुम्ही ज्यांना कॉल करत आहात त्यांना कॉलमध्ये जोडा. तुम्ही इंग्रजी बोलता, त्यांना स्पॅनिश (किंवा मँडरिन, अरबी किंवा युक्रेनियन…) ऐकू येते, आणि त्यांचे उत्तर तुम्हाला इंग्रजीत परत ऐकू येते. दोन्ही दिशांनी, आवाजात, रिअल टाइममध्ये.
• समोरासमोर. तुमच्या आणि तुमच्यासारखी भाषा न बोलणाऱ्या व्यक्तीच्या मध्ये फोन स्पीकरफोनवर ठेवा. तुम्ही दोघेही फक्त बोला.

47 भाषा पूर्णपणे समर्थित आहेत आणि आणखी सुमारे दोन डझन भाषा कमी गुणवत्तेसह सहसा काम करतात. तुमची भाषा वापरून पाहा.

आम्ही हे का तयार केले

फोनवरील दुभाषिकी हा शांतपणे प्रचंड आकाराचा उद्योग आहे: रुग्णालये, न्यायालये, विमा कंपन्या आणि कॉल सेंटर्स दरवर्षी अब्जावधी खर्च करून मानवी दुभाषांना फोन कॉलशी जोडतात, आणि सहसा प्रत्येक कॉलसाठी काही मिनिटांची पूर्वतयारी लागते. दरम्यान, बाकीचे सर्व — घरमालकाला, क्लिनिकला किंवा सासू-सासऱ्यांना फोन करणारी व्यक्ती — याशिवायच राहतात.

आम्ही ThunderPhone तयार करतो, हे प्रत्यक्ष फोन कॉल उत्तमरीत्या हाताळण्यासाठी बनवलेले व्हॉइस-AI प्लॅटफॉर्म आहे: गोंगाटयुक्त ऑडिओ, व्यत्यय, उच्चार आणि 47 भाषा. त्या इंजिनचा आवाज वाढवल्यावर मिळणारे रूप म्हणजे लाइव्ह दुभाषा, म्हणून आम्ही ते शक्य तितक्या सोप्या उत्पादनात पॅक केले: कोणालाही डायल करता येईल असा एक नंबर.

सुरुवातीपासूनच सोपे

तयार करण्यासाठी खाते नाही, इन्स्टॉल करण्यासाठी अॅप नाही आणि कॉन्फिगर करण्यासारखे काहीही नाही — ज्या कोणत्याही फोनवरून तुम्ही डायल करू शकता तो पुरेसा आहे. आम्ही सेवा सुधारत असताना कॉल रेकॉर्ड केले जाऊ शकतात, आणि तुमची संभाषणे विकली जात नाहीत किंवा प्रोफाइल तयार करण्यासाठी वापरली जात नाहीत.

मर्यादित काळासाठी मोफत

TranslateMyCall सध्या मोफत आहे — मानक कॅरिअर शुल्क वगळता, दुभाषिकीसाठी काहीही खर्च नाही. नंबरवर कॉल करा, वापरून पाहा आणि काय काम केले व काय नाही ते आम्हाला सांगा.

भाषा सेवा प्रदात्यांसाठी

तेच इंजिन ThunderPhone Interpreting म्हणून उपलब्ध आहे: LSP साठी पूर्णतः व्हाइट-लेबल फोनवरील दुभाषिकी प्लॅटफॉर्म, ज्यामध्ये प्रत्येक भाषा-जोडीसाठी स्वतंत्र नंबर, डॅशबोर्ड आणि कॉल लॉग, तसेच अनुपालन आणि डेटा-रेसिडेन्सीचे पर्याय आहेत — तुमचा ब्रँड, आमचे इंजिन. तुम्ही दुभाषिकीचा व्यवसाय चालवत असाल आणि AI दुभाषिकीचा तुमच्या युनिट इकॉनॉमिक्सवर काय परिणाम होतो ते पाहू इच्छित असाल, तर sales@thunderphone.com वर ईमेल करा किंवा आमच्या एंटरप्राइझ पृष्ठाला भेट द्या.

आणि तुम्हाला इंजिनच हवे असेल — तुमच्या स्वतःच्या कॉल वर्कफ्लोसाठी AI फोन एजंट, 2¢/मिनिटपासून — ते म्हणजे ThunderPhone.

(228) 888-8666. फोन उचला. तुमचे म्हणणे समजले जाऊ द्या.

आज, आमच्या ThunderPhone v2 स्व-सेवा प्लॅटफॉर्मच्या सार्वजनिक लाँचची घोषणा करताना मला आनंद होत आहे.

आता कोणीही विविध प्रकारचे फोन कॉल स्वयंचलित करण्यासाठी ThunderPhone तयार स्वरूपात वापरू शकते.

आम्ही इथपर्यंत कसे पोहोचलो

गेल्या वर्षापासून, आम्ही आमच्या फोन कॉल्सचे स्वयंचलन करण्यासाठी एंटरप्राइझ ग्राहकांच्या एका छोट्या गटासोबत काम करत आहोत. काही प्रकरणांमध्ये, हे कॉल प्री-सेल्स आणि डेटा एंट्रीसारख्या कार्यक्षमतेबाबत संवेदनशील वापरप्रकरणांसाठी होते. तेथे आम्हाला आढळले की विद्यमान AI व्हॉइस प्लॅटफॉर्म इतक्या चुका करत होते की अनेक कॉलर्स निराश होऊन कॉल ठेवत होते, ज्यामुळे त्या वापरप्रकरणातील युनिट इकॉनॉमिक्स बिघडत होती.

या समस्या सोडवण्यासाठी, कॉल्समध्ये कमी चुका करण्यासाठी आणि कठीण वापरप्रकरणे शक्य करण्यासाठी आम्ही सुरुवातीपासून एक कस्टम स्टॅक तयार केला. यावर्षी हजारो प्रॉडक्शन कॉल्स स्वयंचलित केल्यानंतर, आम्ही आता आमचा स्टॅक ThunderPhone v2 स्व-सेवा प्लॅटफॉर्म म्हणून सार्वजनिक करत आहोत.

तीन स्तर, 2 सेंट/मिनिटपासून

आमची प्रणाली Spark स्तरासाठी फक्त 2 सेंट/मिनिट पासून सुरू होते, मॉडेल्स समाविष्ट आहेत, त्यामुळे हा बाजारातील सर्वात कमी किमतीचा फुल-स्टॅक व्हॉइस AI प्लॅटफॉर्म आहे. अधिक वेगासाठी, आम्ही 5 सेंट/मिनिटपासून Bolt देखील देतो. शक्य तितक्या उच्च बुद्धिमत्तेसाठी, आम्ही 9 सेंट/मिनिटपासून Storm देतो.

Storm सर्वांत गुंतागुंतेचे कॉल फ्लो देखील उच्च विश्वासार्हतेने हाताळू शकते; हाताने तयार केलेल्या “फ्लो बिल्डर” सेटअप्सची गरज नाही — एक prompt पुरेसा आहे.

अतिरिक्त बुद्धिमत्ता पर्याय सक्षम केल्यावर (+3 सेंट/मिनिट), Storm ने Big Bench Audio वर 99.4% गुण मिळवले आहेत, जे आजपर्यंतच्या Artificial Analysis लीडरबोर्डवरील प्रत्येक मॉडेलपेक्षा पुढे आहेत. आमचा मूल्यांकन संच आणि ट्रान्स्क्रिप्ट्स Hugging Face वर सार्वजनिक आहेत, आणि आम्ही लवकरच अधिक बेंचमार्क निकाल शेअर करू. तुमच्या प्रॉडक्शन कॉल्समधील चुका कमीत कमी करायच्या असतील, तर Storm हा तुमच्यासाठी सर्वोत्तम पर्याय आहे.

एकात्मिक आर्किटेक्चर

आमच्या अद्वितीय एकात्मिक आर्किटेक्चरमुळे ThunderPhone इतर स्टॅक्सपेक्षा अधिक बुद्धिमान आणि कमी खर्चिक असू शकते. एक ट्रान्स्क्रिप्शन मॉडेल, एक LLM आणि एक टेक्स्ट-टू-स्पीच मॉडेल एकत्र करणाऱ्या “3-स्टेप पाइपलाइन”ऐवजी, आम्ही अधिक गुंतागुंतीचे “मॉडेल्सचे जाळे” चालवतो. त्यात अनेक ट्रान्स्क्रिप्शन मॉडेल्स, अनेक LLMs इत्यादी सर्वोत्तम शक्य कार्यक्षमता सर्वांत कमी शक्य खर्चात मिळवण्यासाठी काळजीपूर्वक समन्वयित पद्धतीने परस्पर संवाद साधतात.

इतर फायद्यांबरोबरच, यामुळे आमचे एजंट गोंगाटाच्या वातावरणात किंवा ठळक उच्चारांमधूनही कॉलर्सचे म्हणणे अचूक ऐकण्यात अपवादात्मक ठरतात. त्यामुळे कॉल्स अधिक सुरळीत होतात आणि नावे, पत्ते व इतर माहितीची डेटा एंट्री अधिक विश्वासार्ह होते. ThunderPhone एजंट सामान्यतः एका संभाषण फेरीतच अवघड स्पेलिंगही अचूक समजतात, तर इतर प्रणालींना अनेकदा अनेक प्रयत्न करावे लागतात. आणि प्रत्येक “माफ करा, ते पुन्हा एकदा स्पेल करून सांगू शकाल का?” हा कॉलरसाठी आणखी एक निराशाजनक अनुभव असतो, ज्यामुळे ते कॉल ठेवू शकतात.

आमच्या प्रणालीमध्ये पार्श्वभूमीचा आवाज, खराब ऑडिओ गुणवत्ता, व्यत्यय आणि इतर गोष्टींसह प्रत्यक्ष जीवनातील कॉल्समधील कठीण भाग हाताळणारे असंख्य घटकही समाविष्ट आहेत. आम्ही हजारो तासांच्या वास्तविक-जगातील डेटावर संभाषण हाताळण्याची कार्यक्षमता कॅलिब्रेट केली आहे, आणि ती खऱ्या कॉलर्सच्या अनुभवात लक्षणीय सुधारणा करते.

संपूर्ण प्लॅटफॉर्म

ThunderPhone मध्ये एक सर्वसमावेशक प्लॅटफॉर्मही आहे, जो व्हॉइस एजंट्स तयार करणे, चाचणी करणे, डिप्लॉय करणे आणि त्यांचे निरीक्षण करणे विलक्षण सोपे बनवतो. ThunderPhone मधून बाहेर न पडता, तुम्ही:

• इनबाउंड आणि आउटबाउंड कॉल्ससाठी व्हॉइस एजंट्स कॉन्फिगर करू शकता
• फोन नंबर आणि SIP ट्रंक्स व्यवस्थापित करू शकता
• AI किंवा मॅन्युअल चाचणीद्वारे वास्तविक कॉल्सवर व्हॉइस एजंट्सची चाचणी करू शकता
• कॉल्स होत असतानाच त्यांचे लाइव्ह निरीक्षण करू शकता आणि इच्छित असल्यास त्यांना मार्गदर्शन करू शकता
• तुमच्या प्रॉडक्शन कॉल्समधील आपोआप ओळखल्या गेलेल्या समस्या पाहू शकता आणि आपोआप सुचवलेल्या उपायांचे पुनरावलोकन करून ते लागू करू शकता
• तुमचे कॉल्स कसे कार्यरत आहेत आणि कुठे सुधारणा आवश्यक आहे ते पाहू शकता, ज्यामध्ये टप्प्याटप्प्याने फनेल मेट्रिक्स समाविष्ट आहेत.

ThunderPhone प्लॅटफॉर्म टेलिफोनी आणि सॉफ्टवेअर इंटिग्रेशन्स जोडणेही सहज बनवतो. सेटअप विझार्ड तुमचे विद्यमान Twilio किंवा Telnyx खाते, किंवा कोणताही मानक SIP ट्रंक, तुमच्या प्रदात्याकडील काही तपशीलांसह जोडतो आणि नेटिव्ह कनेक्टर्स Google Sheets, Google Calendar, HubSpot, Salesforce आणि Cal.com समाविष्ट करतात. तसेच इतर सर्व इंटिग्रेशन्ससाठी, विझार्ड कोणत्याही API साठी “फक्त पेस्ट करा आणि क्लिक करा” कनेक्शन्सची सुविधा देतो.

ThunderPhone प्लॅटफॉर्म कसा वापरायचा हे शोधणे अगदी सोपे व्हावे यासाठी वेब अॅपमध्ये कायम सक्रिय कोपायलट एकत्रित केला आहे. तो अॅपमध्ये नेव्हिगेट करून तुमच्यासाठी कृतीही करू शकतो - आणि आम्ही व्हॉइस AI कंपनी असल्याने, तुम्हाला टाइप करायला लावण्याऐवजी तो अर्थातच तुमच्याशी बोलू शकतो.

APIs, एंटरप्राइझ आणि अनुपालन

वेब प्लॅटफॉर्मपेक्षा अधिक सानुकूलन आवश्यक असलेल्या वापरांसाठी, विविध सानुकूल इंटिग्रेशन्स शक्य करण्यासाठी ThunderPhone कडे पूर्ण-वैशिष्ट्यपूर्ण API देखील आहे. तसेच प्लॅटफॉर्मचे आणखी सखोल सानुकूलन, सानुकूल खर्च आणि विलंब आवश्यकता, अनुपालन गरजा इत्यादींसाठी आम्ही विशेष एंटरप्राइझ अंमलबजावण्या आणि सहाय्य देतो. (चौकशीसाठी माझ्याशी थेट संपर्क करा - alex@thunderphone.com)

ThunderPhone आरोग्यसेवा आणि EU/UK वापरांसाठी HIPAA आणि GDPR अनुरूप आहे, आणि आम्ही कोणतेही अतिरिक्त शुल्क न घेता BAA आणि DPA वर स्वाक्षरी करतो.

आजच वापरून पाहा

अधिक माहितीसाठी, आमच्या वेबसाइटला भेट द्या, जिथे आमच्या तंत्रज्ञानाबद्दल, किंमतींबद्दल, प्लॅटफॉर्म वैशिष्ट्यांबद्दल आणि इतर गोष्टींबद्दल अधिक सविस्तर माहिती आहे.

त्याहूनही चांगले म्हणजे, ThunderPhone वापरून पाहा आणि तुमच्या वापरासाठी ते कसे कार्य करते ते पहा. सुरुवात करण्यासाठी तुम्हाला फक्त काही मिनिटे लागतील.

तुम्हाला कोणत्याही अडचणी आल्यास किंवा काही विनंत्या असल्यास, माझ्याशी वैयक्तिकरित्या alex@thunderphone.com येथे संपर्क करा

अॅलेक्स कोलचिन्स्की, CEO

आज, AI च्या मदतीने फोन कॉल्स स्वयंचलित करणे सोपे करणाऱ्या ThunderPhone च्या सार्वजनिक लाँचची घोषणा करताना आम्हाला अभिमान वाटतो. इतर फोन AI प्लॅटफॉर्मपेक्षा पूर्णपणे वेगळ्या एकात्मिक आर्किटेक्चरमुळे, ThunderPhone अधिक उच्च कार्यक्षमता, कमी खर्च आणि एकत्रीकरणातील कमी त्रास साध्य करू शकते. ThunderPhone डझनभर भाषांमध्ये इनबाउंड आणि आउटबाउंड कॉल्सना समर्थन देते आणि HIPAA व GDPR अनुरूप आहे.

एकात्मिकतेचा फायदा

इतर फोन AI प्लॅटफॉर्म त्यांच्या सिस्टीमवर 3-टप्प्यांची रचना लादून त्यांच्या सिस्टीमची कार्यक्षमता मर्यादित करतात:

1. एक ट्रान्सक्रिप्शन मॉडेल, जे वापरकर्त्याचा आवाज मजकुरात रूपांतरित करते.
2. एक LLM, जे वापरकर्त्याच्या मजकुरावर प्रक्रिया करते आणि प्रतिसाद देते.
3. एक TTS मॉडेल, जे प्रतिसादाचा मजकूर पुन्हा ऑडिओमध्ये रूपांतरित करते.

त्यांपैकी बहुतेक प्लॅटफॉर्म वापरकर्त्यांना कोणती मॉडेल्स वापरायची हे निवडण्यास भाग पाडून, तसेच डिनॉइजिंग आणि प्रतिसादक्षमतेचे पॅरामीटर्स यांसारखे कॉन्फिगरेशन पर्याय निवडण्यास भाग पाडून, अभियांत्रिकीचे कामही वापरकर्त्यांवर ढकलतात.

आम्ही वेगळा दृष्टिकोन स्वीकारला आहे: आज उपलब्ध असलेल्या मॉडेल्ससह आमच्या मते सर्वोत्तम शक्य स्टॅक कॉन्फिगर केला आहे आणि क्लिष्ट कॉन्फिगरेशनच्या प्रयत्नांशिवाय वापरण्यासाठी तयार केला आहे. आमची सिस्टीम एकाच वेळी अनेक मॉडेल्स वापरते आणि संभाषणाच्या प्रवाहानुसार त्यांच्यामध्ये बुद्धिमानपणे रूटिंग करते. यामध्ये समाविष्ट आहे:

• वेग आणि अचूकता यांचा समतोल साधण्यासाठी आणि एकमेकांच्या चुका भरून काढण्यासाठी अनेक ट्रान्सक्रिप्शन मॉडेल्स एकत्र करणे; यांपैकी काही अधिक वेगवान, तर काही अधिक अचूक असतात.
• कमी सर्वसाधारण बुद्धिमत्ता पण अधिक चांगले ऑडिओ आकलन असू शकणारी ऑडिओ-इनपुट LLMs, आणि चुकीच्या ट्रान्सक्रिप्टमुळे चुका होऊ शकणारी पण अनेकदा अधिक बुद्धिमान असणारी फक्त-मजकूर LLMs, एकत्र करणे.
• जलद प्रतिसाद तयार करू शकणारी वेगवान पण कमी बुद्धिमान LLMs, आणि पार्श्वभूमीत चालून AI त्याच्या prompt चे पालन करत आहे व वापरकर्ता जे म्हणतो त्याला योग्य प्रतिसाद देत आहे याची खात्री करू शकणारी अधिक बुद्धिमान पण धीमी LLMs, एकत्र करणे.
• आज उपलब्ध असलेली सर्वोच्च बुद्धिमत्ता देणारी OpenAI आणि Google यांसह आघाडीच्या प्रदात्यांची व्यावसायिक मॉडेल्स, आणि कमी खर्चात अनेकदा अधिक वेग देणारी विविध ओपन-सोर्स मॉडेल्स, एकत्र करणे.
• पार्श्वभूमीतील आवाज, बाजूची संभाषणे आणि संभाषण भरकटवू शकणारे इतर विचलित करणारे आवाज वर्गीकृत करून दूर करण्यासाठी एकाच वेळी अनेक मॉडेल्स वापरणे.

हे घटक आणि आणखी बरेच काही आमच्या तीन सेवा स्तरांमध्ये — Spark, Bolt, आणि Storm — वेगवेगळ्या प्रकारे संयोजित केले जाते: Spark खर्चासाठी, Bolt वेगासाठी आणि Storm बुद्धिमत्तेसाठी अनुकूलित केले जाते, तसेच प्रत्येकाचे तोटे शक्य तितके कमी केले जातात. तिन्ही सिस्टीममध्ये व्यक्तिनामे आणि स्पेलिंग असले तरी वापरकर्ते काय म्हणतात याचे अविश्वसनीयपणे अचूक आकलन यांसारखे फायदे सामायिक आहेत.

आमच्या मते, हे घट्टपणे एकत्रित केलेले आर्किटेक्चर इतर विक्रेत्यांनी देऊ केलेल्या कठोर 3-टप्प्यांच्या दृष्टिकोनापेक्षा कमी खर्चात आमच्या सिस्टीमला खूपच अधिक कार्यक्षमता देते. क्ले क्रिस्टेन्सन यांच्या मॉड्युलॅरिटी सिद्धांतानुसार, व्हॉइस AI अजूनही सुरुवातीच्या टप्प्यात आहे आणि मॉड्युलर आर्किटेक्चरसह सानुकूलनक्षमता वाढवण्यापेक्षा एकात्मिक आर्किटेक्चरसह कार्यक्षमता कमाल करणे अजूनही अधिक मौल्यवान आहे.

अनुकूलित निर्णय

आणि सानुकूलनक्षमतेबाबत, आम्ही तिच्या विरोधात आहोत! आजचे बहुतेक फोन AI प्लॅटफॉर्म वापरकर्त्यांना असंख्य पर्यायांमधून मार्ग काढण्यास भाग पाडतात—वापरल्या जाणाऱ्या नेमक्या मॉडेल्सपासून ते AI वापरकर्त्याला किती लवकर मध्येच थांबवतो यांसारख्या अतिशय तपशीलवार पॅरामीटर्सपर्यंत.

आमच्या मते, हे पर्याय पडद्यामागे अनुकूलित करणे हे आमचेच काम आहे, जेणेकरून ThunderPhone चे वापरकर्ते त्यांना ज्या गोष्टी उत्तम जमतात त्यावर लक्ष केंद्रित करू शकतील आणि तपशीलवार व्हॉइस AI कॉन्फिगरेशनची काळजी करावी लागणार नाही. आम्ही स्वतःला एक प्रकारचे Squarespace मानतो, जे आमच्या वापरकर्त्यांना आजच्या मॉडेल्ससह शक्य तितक्या सर्वोच्च कार्यक्षमतेने फोन एजंट सेट अप करणे अगदी सहज बनवते.

वापरण्याची सुलभता

ThunderPhone वापरण्यासही अत्यंत सोपे आहे, मग तुम्ही नवीन फोन एजंट सेट अप करत असाल किंवा वेगळ्या प्लॅटफॉर्मवरून अथवा कस्टम स्टॅकमधून स्थलांतर करत असाल. ThunderPhone वर फोन एजंट सेट अप करण्यासाठी तुम्हाला फक्त हे करावे लागेल:

1. तुम्हाला Spark, Bolt किंवा Storm यापैकी कोणता वापरायचा आहे ते ठरवा.
2. एक आवाज निवडा.
3. आम्हाला तुमचा prompt द्या. मल्टी-prompt एजंटची गरज नाही! तुमचा prompt Spark किंवा Bolt साठी खूप गुंतागुंतीचा असेल, तर Storm वर अपग्रेड करा, जो एका prompt सह जटिल वापर-प्रकरणेही हाताळू शकतो.
4. अत्यंत सोप्या विझार्डद्वारे सॉफ्टवेअर इंटिग्रेशन्स जोडा (कोणताही endpoint किंवा नेटिव्ह n8n इंटिग्रेशन).
5. अत्यंत सोप्या विझार्डद्वारे तुमचे VoIP जोडा.

हे सर्व सामान्यतः 10 मिनिटे किंवा त्याहून कमी वेळात होते.

ThunderPhone HIPAA आणि GDPR अनुरूप आहे, आणि विनंती केल्यावर आम्ही BAA आणि DPA वर स्वाक्षरी करून प्रदान करू.

आमची कहाणी

आम्ही Stanford AI Lab आणि Y Combinator चे माजी सदस्य असलेली एक टीम आहोत आणि 2024 पासून व्हॉइस AI वर काम करत आहोत. सुरुवातीला आमचा भर Flux Interpreting वर होता, जे फोन कॉलचे भाषांदरम्यान भाषांतर करते. पण ग्राहकांनी केवळ कॉलचे भाषांतर करण्याऐवजी त्यांच्या व्यवसायांसाठी फोन कॉल स्वयंचलित करण्याची वारंवार विनंती केल्यानंतर, आम्ही आमचा भर आता ThunderPhone म्हणून ओळखल्या जाणाऱ्या उत्पादनाकडे वळवला.

विद्यमान प्लॅटफॉर्म्समधील समस्या

सुरुवातीला, आम्ही इतर कंपन्यांच्या फोन AI प्लॅटफॉर्म्सवर ग्राहकांसाठी फोन एजंट तयार करायला सुरुवात केली. आम्ही बाजारातील जवळपास प्रत्येक फोन AI प्लॅटफॉर्मची चाचणी घेतली, पण दुर्दैवाने ते अपुरे वाटले, विशेषतः पुढील बाबतीत:

• ऑडिओ समजून घेणे: वापरकर्त्याच्या ऑडिओचे मजकुरात रूपांतर करण्यासाठी फक्त एकच ट्रान्सक्रिप्शन मॉडेल असण्याच्या मर्यादेमुळे AI अनेकदा वापरकर्त्याचे म्हणणे “चुकीचे ऐकत” असे, विशेषतः व्यक्तिनामे, दुर्मिळ शब्द आणि शब्दलेखनाच्या बाबतीत.
• सूचनांचे पालन: कॉलमागील प्रत्यक्ष “बौद्धिक काम” करणारे एकच वेगवान LLM असल्यामुळे AI ना अनेकदा सूचनांचे योग्य पालन करण्यात अडचण येई आणि ते भरकटत असत.
• कठीण इंटिग्रेशन्स: आम्ही वापरून पाहिलेल्या प्लॅटफॉर्म्समुळे बाह्य सॉफ्टवेअरशी जोडणी करणे खूप अवघड होते; सामान्यतः टूल कॉल्ससाठी विस्तृत JSON कॉन्फिगरेशन्स टाइप करावी लागत आणि ती अचानक काम करेपर्यंत फारसा अभिप्राय न मिळता त्यांच्याशी वारंवार झुंजावे लागत असे.
• किंमत: विद्यमान प्लॅटफॉर्म्सची किंमत सामान्यतः खूपच जास्त होती: मध्यम दर्जाच्या कामगिरीसाठीही सहसा प्रति मिनिट 10 सेंट किंवा अधिक.

आमचा स्वतःचा स्टॅक तयार करणे

एका एंटरप्राइझ ग्राहकासाठी विक्री कॉलचा वापरप्रकार अंमलात आणण्याचा करार केल्यानंतर, त्यांच्या गरजा पूर्ण करण्यासाठी आम्हाला आमचा स्वतःचा सानुकूल स्टॅक तयार करावा लागला. हा वापरप्रकार मागणीचा होता: ग्राहक सहाय्यापेक्षा वेगळे, जिथे कॉल करणारे बहुतांशी व्यवसायाच्या मर्जीवर असतात, विक्रीसाठी कॉल करणारे पटकन कॉल कट करतात.

लीड गमावण्याऐवजी विक्री पूर्ण करण्यासाठी कॉलची गुणवत्ता उत्कृष्ट असणे आवश्यक आहे. याचा अर्थ नावे आणि पत्त्यांसह अनेक व्यक्तिनामे व शब्दलेखन हाताळणे, जे मानक ट्रान्सक्रिप्शन मॉडेल्सना अचूक ओळखणे कठीण जाते. हा वापरप्रकार उत्तम प्रकारे हाताळण्यासाठी आम्ही आजचे ThunderPhone तयार केले.

या प्रवासात, आम्हाला San Francisco मधील व्हॉइस AI समुदायात पशुवैद्य, ट्रक चालक आणि इतरांसाठी विशिष्ट क्षेत्रातील फोन एजंट कंपन्या उभारत असलेले लोक भेटत राहिले. आश्चर्याची गोष्ट म्हणजे, त्यांच्यापैकी बहुतेकांचे मत एकच होते: विद्यमान प्लॅटफॉर्म्स डेमोसाठी पुरेसे चांगले होते, पण उत्पादनासाठी नाहीत.

धक्कादायक म्हणजे, विशिष्ट क्षेत्रातील व्हॉइस AI कंपन्यांमधील आमचे अनेक, कदाचित बहुतेक मित्र प्रत्यक्षात स्वतःचे स्टॅक “तयार करत” होते... हे आम्हाला अजिबात पटत नव्हते — हे म्हणजे 90 च्या दशकातील वेब स्टार्टअप्सना त्यांच्या कपाटातील सर्व्हरवर स्वतःचे वेब सर्व्हर होस्ट करावे लागण्यासारखेच आहे.

या जाणिवेमुळे आम्हाला कळले की आमची फोन AI प्रणाली अशी प्लॅटफॉर्म बनवण्याची वेळ आली आहे, जी कोणीही वापरू शकेल.

विशिष्ट क्षेत्रातील व्हॉइस AI कंपन्या आणि सल्लागारांनी त्यांच्या उद्योगविशिष्ट कौशल्याच्या आधारे लक्ष्यित बाजाराच्या गरजा पूर्ण करण्यावर लक्ष केंद्रित करता यायला हवे — मूळ AI आणि फोन तंत्रज्ञानाचे गुंतागुंतीचे अभियांत्रिकी करण्यावर नाही! ThunderPhone सोबत आम्ही आज हेच सादर करत आहोत.

इथपर्यंत पोहोचण्यासाठी बराच मोठा प्रवास झाला आहे! गेल्या एप्रिलपासून आमच्याकडे नोंदणी करूनही अजून प्रवेशाची वाट पाहत असलेल्या प्रत्येकाची माफी: काम पूर्ण करण्यासाठीचा झटपट टप्पा वाटलेली गोष्ट, आज उपलब्ध असलेल्या मॉडेल्सना शक्य तितकी मजबूत प्रणाली बनवण्यासाठी कसे एकत्र विणायचे हे शोधण्याच्या अनेक महिन्यांच्या प्रवासात बदलली.

पण आता आम्ही अखेर लाइव्ह आहोत — वापरून पाहा आणि तुम्हाला काय वाटते ते सांगा!

आम्ही मोठ्या अडचणी दूर केल्या असल्या, तरी प्रणालीमध्ये अजूनही काही बग असण्याची शक्यता आहे. तुम्हाला काही समस्या आढळल्यास, कृपया alex@thunderphone.com वर ईमेल करा; ती तुमच्यासाठी शक्य तितक्या लवकर दुरुस्त केली जाईल याची मी खात्री करेन. तुमच्या काही फीचर विनंत्याही असतील तर मला कळवा; त्या शक्य तितक्या लवकर पूर्ण करण्याचाही आम्ही प्रयत्न करू.

आणि तुमच्या अधिक सानुकूल गरजा असतील, जसे की सानुकूल अंमलबजावणी व इंटिग्रेशन सहाय्य, नियमित HIPAA आणि GDPR च्या पलीकडील अनुपालन, SLA आणि सानुकूल फीचर विनंत्या, तर आम्हाला एंटरप्राइझ कराराबद्दल चर्चा करण्यास आनंद होईल. alex@thunderphone.com वर संपर्क करा; आम्ही तुमच्या गरजा आणि आम्ही मदत करू शकतो का याबद्दल बोलू.

आणि अधिक व्यापकपणे सांगायचे तर: तुमच्याकडून कमीतकमी प्रयत्न घेऊन ThunderPhone सुरुवातीपासूनच कार्यरत राहील आणि तुम्ही निवडलेल्या किंमत स्तराच्या मर्यादेत — Spark, Bolt किंवा Storm — आजच्या AI सह शक्य तितक्या उत्तम प्रकारे तुमच्या व्यवसायाचे कॉल हाताळेल, याची खात्री करणे हे आमचे काम आहे. आम्हाला एक संधी द्या; ThunderPhone काय करू शकते हे तुम्हाला दाखवण्यासाठी आम्ही उत्सुक आहोत.

तुम्हाला काय वाटते ते आम्हाला कळवा, आणि तुमच्या पाठिंब्यासाठी धन्यवाद!