చాలా వాయిస్ AI ప్లాట్ఫామ్లు 3-దశల పైప్లైన్పై ఆధారపడతాయి: ఒక ట్రాన్స్క్రిప్షన్ మోడల్, రీజనింగ్ చేయని ఒక LLM, ఒక టెక్స్ట్-టు-స్పీచ్ ఇంజిన్. వీటిలో ఏ ఒక్క దశలో లోపం వచ్చినా మొత్తం కాల్ విఫలమవుతుంది. ThunderPhone అనేక మోడళ్లను ఒకేసారి సమన్వయం చేసి తప్పులను తగ్గిస్తుంది.
ThunderPhone ఒకేసారి ఎన్నో మోడళ్లను సమన్వయం చేసి, ఒకదాని పొరపాట్లను మరొకటి సరిదిద్దేలా చేస్తుంది.
వేగవంతమైన LLMకు ట్రాన్స్క్రిప్ట్ మాత్రమే అందుతుంది.
“హాయ్, Brent — నేను మీకు ఎలా సహాయపడగలను?”
వేగవంతమైన + రీజనింగ్ LLMలు పరస్పరం సరిచూస్తాయి: 3 మార్గాల్లో 2 ఏకీభవిస్తాయి.
“అర్థమైంది — అంటే మీరు అద్దెకు ఉంటున్నారు.”
BBA ఒక మోడల్ మాటల రూపంలో ఇచ్చిన promptలను అర్థం చేసుకుని, క్లిష్టమైన ప్రశ్నలకు సరిగ్గా సమాధానం ఇవ్వగలదో లేదో పరీక్షిస్తుంది. రికార్డు మా అత్యంత శక్తివంతమైన Storm కాన్ఫిగరేషన్దే: మా పబ్లిక్ ఎవాల్యుయేషన్ సెట్లో 99.4%.
0.6% తప్పిదాల రేటు
ThunderPhone ఫలితం పైన లింక్ చేసిన మా పబ్లిక్ ఎవాల్యుయేషన్ డేటాసెట్ నుంచి వచ్చింది; సూచన కోసం ఇతర పబ్లిక్ స్కోర్లు (Artificial Analysis లీడర్బోర్డ్) ఇవ్వబడ్డాయి.
Vapi, Retell, Pipecat, LiveKit వంటి ఇతర వాయిస్ AI ప్లాట్ఫామ్లలో మీ కాల్స్ పనిచేయాలంటే, కాన్ఫిగరేషన్కు సంబంధించి ఎన్నో నిర్ణయాలు మీరే తీసుకోవాల్సి వస్తుంది. ThunderPhoneలో మాత్రం ట్యూనింగ్ మా బాధ్యత. మీ కాల్స్ సాఫీగా నడవడానికి మీరు చేయాల్సిన పని వీలైనంత తక్కువగా ఉండాలనేదే మా నమ్మకం.
ఇవన్నీ మీ కోసం ThunderPhone ట్యూన్ చేస్తుంది
Spark, Bolt లేదా Storm.
జాగ్రత్తగా ఎంపిక చేసి, నిజమైన కాల్స్లో పరీక్షించినవి.
ప్రవర్తన, పాలసీ, టూల్స్ — అన్నీ సూటి భాషలో.
మూడు నిర్ణయాలు తీసుకుంటే చాలు. సెటప్ పూర్తయినట్టే — ఆర్కెస్ట్రేషన్, ఫాల్బ్యాక్లు, ట్యూనింగ్ అన్నీ బిల్ట్-ఇన్గా వస్తాయి.
ప్రతి పనికి అత్యుత్తమంగా సరిపోయే మోడళ్లను మేమే ఎంచుకుని, ఒకే వ్యవస్థగా కలుపుతాం. OpenAI, Anthropic, Google ఫ్రంటియర్ మోడళ్లతో పాటు ఓపెన్-సోర్స్ మోడళ్లనూ ఉపయోగించి, ప్రతి కాల్లో అత్యుత్తమ పనితీరు, ధర అందేలా వాటన్నింటినీ ఆర్కెస్ట్రేట్ చేస్తాం — కాబట్టి మీరు అవేవీ చూసుకోవాల్సిన పని లేదు.
సామర్థ్యం తక్కువైన సిస్టమ్లు క్లిష్టమైన promptలను అనుసరించలేవు కాబట్టే ఫ్లో బిల్డర్లు ఉన్నాయి. సంభాషణలోని ప్రతి దశ ఒక నోడ్గా మారుతుంది—దాన్ని మీరే మాన్యువల్గా నిర్మించి, మెయింటైన్ చేయాలి. Storm ఒకే promptలో ఇచ్చిన సవివరమైన సూచనలను అనుసరిస్తుంది. కాబట్టి నోడ్లు, ఎడ్జ్ల గురించి మీరు ఆలోచించాల్సిన అవసరం లేదు.
ఒకే ఎన్రోల్మెంట్ ఫ్లోకి ఆరు నోడ్లు — ఒక్కో నోడ్కు ప్రత్యేక promptలు, టూల్స్, ట్రాన్సిషన్లు, ఫెయిల్యూర్ హ్యాండ్లింగ్.
కాలర్ను పలకరించి, వారి పేరు, ఫోన్ నంబర్ సేకరించండి. నమోదు చేసే ముందు వారి సమ్మతిని నిర్ధారించండి — అది తప్పనిసరి. వారు బిల్లింగ్ గురించి అడిగితే, కింద ఉన్న బిల్లింగ్ పాలసీని అనుసరించండి. అన్ని ఫీల్డ్లను నిర్ధారించిన తర్వాతే enroll()ను ఒక్కసారి మాత్రమే అమలు చేయండి. కాలర్ ఎవరైనా వ్యక్తితో మాట్లాడాలని అడిగితే, మానవ ఏజెంట్కు బదిలీ చేయండి.
బ్రాంచింగ్తో సహా—మీరు రాసి, టెస్ట్ చేసి, మెరుగుపరుస్తూ వెళ్లాల్సింది ఒకే prompt.
స్పష్టంగా పలకని మాటలు, బ్యాక్గ్రౌండ్లో వినిపించే సంభాషణలు, పేర్లు-నంబర్లు, కలగలిసిన భాషలు—ఇతర సిస్టమ్లు విఫలమయ్యే ఇలాంటి పరిస్థితుల్లో పనిచేయడానికే ThunderPhone రూపొందింది.
ఒక్క ట్రాన్స్క్రిప్ట్నే నమ్మకుండా, ఆడియో మరియు టెక్స్ట్ సిగ్నళ్లను సరిపోల్చండి.
నాయిస్ను గుర్తించే, తగ్గించే మోడళ్లు సిగ్నల్ను స్పష్టంగా చేస్తాయి.
ఏజెంట్ను దారి తప్పించేలోపే పక్కన జరిగే సంభాషణలను గుర్తించండి.
వ్యక్తులు, ప్రదేశాలు, సంస్థల పేర్లు, స్పెల్లింగ్లు, నంబర్లు, సవరణలను క్రాస్-చెక్ చేయండి.
అవసరమైనప్పుడు బహుభాషా ఆడియో, వాయిస్ మార్గాల ద్వారా రూట్ చేయండి.
ఏజెంట్ ప్రవర్తనను ఒకే నియమానికి కుదించలేనప్పుడు, మరింత పటిష్ఠమైన రీజనింగ్ మార్గాలను ఉపయోగించండి.
వాయిస్ AI వేగంగా స్పందించాలి—కానీ వేగం ఉండి ఖచ్చితత్వం లేకపోతే, తప్పులు కూడా వేగంగానే జరుగుతాయి. నమ్మకంగా పనిచేయాలంటే నేటి LLMలకు ఆలోచించేందుకు కాస్త సమయం అవసరం. అందుకే ThunderPhone స్పందన వేగం, ఖచ్చితత్వం మధ్య సమతుల్యతను కాపాడుతుంది.
ఇతర వెండర్లు అనుకూల పరిస్థితుల్లో 500ms లేటెన్సీ అని చెబుతారు, కానీ సాధారణంగా నిజమైన కాల్లో దాదాపు 2 సెకన్లు పడుతుంది. మేము వాస్తవ పరిస్థితుల్లో మా లేటెన్సీని కొలుస్తాం.
AI వెండర్ల సిస్టమ్లలో లేటెన్సీ ఒక్కసారిగా పెరిగి, కాల్స్కు అంతరాయం కలిగించవచ్చు. ఇలా జరిగినప్పుడు ThunderPhone ఆర్కెస్ట్రేటెడ్ స్టాక్ మరింత వేగంగా స్పందించే ప్రత్యామ్నాయాలకు ఆటోమేటిక్గా మారుతుంది.
ఆటోమేటెడ్ ఫోన్ కాల్స్ అంటే ఇప్పటివరకు చికాకే… ఇకపై కాదు. టెక్నాలజీలో వచ్చిన ప్రతి కొత్త దశతో కాల్ అనుభవం మెరుగైంది. అయినా, నిజంగా సాఫీగా అనిపించే స్థాయికి మాత్రం ఎప్పుడూ చేరలేదు. ThunderPhoneతో అది మారుతుంది.
“సేల్స్ కోసం ఒకటి, సపోర్ట్ కోసం రెండు నొక్కండి.” మెనూల పని కాల్ను సరైన విభాగానికి పంపడం వరకే.
“sales” లేదా “billing” అని చెప్పి, స్లాట్ పార్సర్ సరిగ్గా గుర్తిస్తుందని ఆశించాల్సిందే.
ముందు మాటను టెక్స్ట్గా మారుస్తుంది, తర్వాత ఒక వేగవంతమైన LLMను అడుగుతుంది, చివరగా మాట్లాడుతుంది—ప్రతి దశా ముందు దశ ఫలితాన్నే నమ్ముకుంటుంది.
ఆడియో, టెక్స్ట్, రీజనింగ్, టూల్స్, వాయిస్లు, గార్డ్రైల్స్—అన్నీ కలిసిన ఒకే సిస్టమ్.
10 నిమిషాల్లోనే లైవ్ అవ్వండి. నిమిషానికి 2¢ నుంచి.