Spark
~3s
మొదటి ప్రతిస్పందన వరకు
టెక్నాలజీ
3-దశల పైప్లైన్ను దాటి ముందుకు వెళ్లండి.
చాలా వాయిస్ AI ప్లాట్ఫారమ్లు 3-దశల పైప్లైన్పై ఆధారపడతాయి: ఒక ట్రాన్స్క్రిప్షన్ మోడల్, స్వతంత్రంగా ఆలోచించని ఒక LLM, ఒక టెక్స్ట్-టు-స్పీచ్ ఇంజిన్. ప్రతి దశలోనూ విఫలమయ్యే ఒకే బిందువు ఉంటుంది. ThunderPhone ఒకేసారి అనేక మోడళ్లను సమన్వయం చేసి తప్పులను తగ్గిస్తుంది.
కాల్ చేసిన వ్యక్తి ఇలా అన్నారు “I rent.”
ASR A“I rent”
ASR B“I’m Brent”
ఆడియో LLM“I rent”
“I rent”గా సరిచూసింది 3 మార్గాల్లో 2 ఏకీభవిస్తున్నాయి
సమగ్ర ఆర్కిటెక్చర్
దాన్ని అనేక విధాలుగా విని, ఆపై సమన్వయం చేయండి.
ThunderPhone ఒకేసారి అనేక మోడళ్లను సమన్వయం చేస్తుంది, తద్వారా అవి ఒకదానికొకటి చేసే తప్పులను సరిదిద్దుకోగలవు.
ఇతర ప్లాట్ఫారమ్లు · 3-దశల పైప్లైన్
ప్రతి దశ, మునుపటి దశను నమ్ముతుంది.
కాలర్ ఆడియో
“I rent.” · అస్పష్టంగా పలికారు
STT A
“I’m Brent”
STT B
—
ఆడియో LLM
—
ఒకే మోడల్ తప్పుగా విన్నప్పుడు బ్యాకప్ ఉండదు
LLM
వేగవంతమైన మోడల్ ట్రాన్స్క్రిప్ట్ను మాత్రమే చూస్తుంది.
→ “Hi, Brent — ఎలా సహాయం చేయగలను?” అని ప్రత్యుత్తరం ఇస్తుంది
వేగవంతమైన LLMలు సూచనలను అనుసరించడంలో తప్పులు చేస్తాయి
TTS
సమాధానం తిరిగి పలుకబడుతుంది.
→ “Hi, Brent — ఎలా సహాయం చేయగలను?” అని చెబుతుంది ✗
1 ట్రాన్స్క్రిప్ట్ + 1 LLM = తప్పు సమాధానం
ThunderPhone · సమన్వయంతో
అనేక మార్గాలు, ఒక సమన్వయమైన సమాధానం.
కాలర్ ఆడియో
“I rent.” · అస్పష్టంగా పలికారు
STT A
“I rent”
STT B
“I’m Brent”
ఆడియో LLM
“I rent”
ఆధారంగా మూడు ట్రాన్స్క్రిప్ట్లు + అసలు ఆడియో భద్రపరచబడతాయి
రీజనింగ్ లేయర్
వేగవంతమైన + థింకింగ్ LLMలు టెక్స్ట్ మరియు ఆడియో ఆధారాలను బేరీజు వేస్తాయి.
→ 3 మార్గాల్లో 2 ఏకీభవిస్తున్నాయి: “I rent”
సమాధానం ఇవ్వడానికి ముందు థింకింగ్ + వేగవంతమైన LLMలు పరస్పరం ధృవీకరిస్తాయి
TTS
ఎంచుకున్న వాయిస్లు స్పెల్లింగ్లు మరియు ఆల్ఫాన్యూమరిక్లలో హాల్యూసినేషన్లను తగ్గిస్తాయి.
→ “అర్థమైంది — అంటే మీరు అద్దెకు ఉంటారు.” ✓
కష్టమైన వివరాలను మొదటిసారే సరిగ్గా అందుకుంటుంది.
పనితీరు రుజువు
Storm Big Bench Audioలో మేధస్సు రికార్డులను నెలకొల్పుతుంది.
మోడల్ మాట్లాడిన promptలను అర్థం చేసుకుని క్లిష్టమైన ప్రశ్నలకు సరిగ్గా సమాధానం ఇవ్వగలదా అని BBA పరీక్షిస్తుంది. మా అత్యంత శక్తివంతమైన Storm కాన్ఫిగరేషన్ మా పబ్లిక్ మూల్యాంకన సెట్లో 99.4% సాధిస్తుంది — 0.6% తప్పులు, తదుపరి ఉత్తమ పబ్లిక్ స్కోర్ కంటే 4× తక్కువ.
మోడల్
తప్పిద రేటు↓ తక్కువైతే మెరుగైనది
స్కోర్
ThunderPhone Storm · Extra Intelligence4× తక్కువ తప్పులు
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%
తప్పిద రేటు అంటే BBA విజయ రేటు నుంచి 100% తీసివేయడం. ThunderPhone ఫలితం పైన లింక్ చేసిన మా పబ్లిక్ మూల్యాంకన డేటాసెట్ నుండి వచ్చింది; ఇతర పబ్లిక్ స్కోర్లు (Artificial Analysis లీడర్బోర్డ్) సూచన కోసం జాబితా చేయబడ్డాయి. BBA ఫోన్-కాల్ పనితీరును పూర్తిగా కొలవదు, కానీ మాట్లాడిన promptలపై రీజనింగ్ను అంచనా వేయడానికి ఇది ఉపయోగకరమైన సూచిక.
స్పష్టమైన ఎంపికలు, అనుకూలీకరణ కంటే మెరుగైనవి
మీరు వాయిస్ స్టాక్ను స్వయంగా సమకూర్చుకోవాల్సిన అవసరం లేదు.
Vapi, Retell, Pipecat, మరియు LiveKit వంటి ఇతర వాయిస్ AI ప్లాట్ఫారమ్లు మీ కాల్లు పనిచేయడానికి విస్తృతమైన కాన్ఫిగరేషన్ నిర్ణయాలు తీసుకునేలా మిమ్మల్ని బలవంతం చేస్తాయి. ThunderPhoneలో, ట్యూనింగ్ మా పని అని, మీ కాల్లు సజావుగా పనిచేయడానికి మీరు వీలైనంత తక్కువ పని చేయాల్సి ఉంటుందని మేము నమ్ముతున్నాము.
ఇతర వాయిస్ AI ప్లాట్ఫారమ్లు · సర్దుబాటు చేయడానికి అనేక నియంత్రణలు
STT LLM TTS ఎండ్పాయింటింగ్ శబ్దం తొలగింపు అంతరాయాలు ఫాల్బ్యాక్లు టూల్ స్కీమా లేటెన్సీ VAD
ఇవన్నీ ThunderPhone మీ కోసం ట్యూన్ చేస్తుంది
ThunderPhone · మూడు నిర్ణయాలు
1
ఒక టియర్ను ఎంచుకోండి
Spark, Bolt లేదా Storm.
2
ఒక వాయిస్ను ఎంచుకోండి
ఎంపిక చేసి, నిజమైన కాల్లలో పరీక్షించబడింది.
3
మీ prompt రాయండి
ప్రవర్తన, విధానం, టూల్స్ — సులభమైన భాషలో.
మూడు నిర్ణయాలు. అదే సెటప్ — ఆర్కెస్ట్రేషన్, ఫాల్బ్యాక్లు, మరియు ట్యూనింగ్ అంతర్నిర్మితంగా అందుతాయి.
పని కోసం అత్యుత్తమ మోడల్లను మేమే ఎంచుకుని, వాటిని కలుపుతాము. OpenAI, Anthropic, మరియు Google నుంచి అత్యాధునిక మోడల్లు, ఓపెన్-సోర్స్ మోడల్లతో కలిసి పనిచేస్తాయి — ప్రతి కాల్లో అత్యుత్తమ పనితీరు మరియు ధర కోసం ఆర్కెస్ట్రేట్ చేయబడతాయి, కాబట్టి మీరు దాని గురించి ఆందోళన చెందాల్సిన అవసరం లేదు.
ఒకే prompt, తక్కువ గ్రాఫ్ విస్తరణ
ఒకే prompt, నోడ్ల గ్రాఫ్ కాదు.
బలహీనమైన సిస్టమ్లు సంక్లిష్ట promptsను అనుసరించలేవు కాబట్టే ఫ్లో బిల్డర్లు ఉన్నాయి. సంభాషణలోని ప్రతి దశను మీరు చేతితో నిర్మించి నిర్వహించాల్సిన నోడ్గా మారుస్తాయి. Storm ఒకే prompt నుంచి సమృద్ధమైన సూచనలను అనుసరిస్తుంది, కాబట్టి మీరు నోడ్లు, ఎడ్జ్ల గురించి ఆందోళన చెందాల్సిన అవసరం లేదు.
ఫ్లో-బిల్డర్ ప్లాట్ఫారమ్లుచెల్లనిది ×2లోపం
ప్రతి బ్రాంచ్ను చేతితో అనుసంధానించండి.
పలకరింపుprompt · వాయిస్
ఫోన్ సేకరించండిprompt · ధ్రువీకరణ
ఫోన్ను నిర్ధారించండిమళ్లీ prompt ×2
enroll()టూల్ · మళ్లీ ప్రయత్నాలు
ఎస్కలేట్ చేయండిమానవ ఏజెంట్కు
ఫాల్బ్యాక్అన్నింటినీ నిర్వహించేది
ఒక నమోదు ఫ్లో కోసం ఆరు నోడ్లు — ప్రతిదానికి దాని స్వంత prompts, టూల్స్, ట్రాన్సిషన్లు మరియు వైఫల్య నిర్వహణ.
ThunderPhone Storm
ప్రవర్తనను ఒక్కసారి వివరించండి.
ప్రవర్తన prompt
కాలర్ను పలకరించి, వారి పేరు మరియు ఫోన్ సేకరించండి.
నమోదు చేయడానికి ముందు సమ్మతిని నిర్ధారించండి — తప్పనిసరి.
వారు బిల్లింగ్ గురించి అడిగితే, దిగువన ఉన్న బిల్లింగ్ విధానాన్ని అనుసరించండి.
ప్రతి ఫీల్డ్ నిర్ధారించబడిన తర్వాతే enroll()కు కాల్ చేయండి.
కాలర్ ఒక వ్యక్తిని అడిగితే, మానవ ఏజెంట్కు బదిలీ చేయండి.
నమోదు చేయడానికి ముందు సమ్మతిని నిర్ధారించండి — తప్పనిసరి.
వారు బిల్లింగ్ గురించి అడిగితే, దిగువన ఉన్న బిల్లింగ్ విధానాన్ని అనుసరించండి.
ప్రతి ఫీల్డ్ నిర్ధారించబడిన తర్వాతే enroll()కు కాల్ చేయండి.
కాలర్ ఒక వ్యక్తిని అడిగితే, మానవ ఏజెంట్కు బదిలీ చేయండి.
సంక్లిష్ట బ్రాంచింగ్ ఐచ్ఛిక వాచ్డాగ్లు సులభమైన పునరావృత మెరుగుదల
రాయడానికి, పరీక్షించడానికి, పునరావృతంగా మెరుగుపరచడానికి ఒకే prompt — బ్రాంచింగ్తో సహా.
ఇది ఎందుకు ముఖ్యం
నిజమైన కాల్లు సంక్లిష్టంగా ఉంటాయి. ThunderPhone సిద్ధంగా ఉంది.
అస్పష్టమైన మాటలు, నేపథ్య సంభాషణలు, పేర్లు మరియు నంబర్లు, మిళిత భాషలు — ఇతర సిస్టమ్లు విఫలమయ్యే పరిస్థితుల కోసం ThunderPhone రూపొందించబడింది.
అస్పష్టమైన మాటలు
ఒక ట్రాన్స్క్రిప్ట్ను మాత్రమే నమ్మకుండా ఆడియో, టెక్స్ట్ సంకేతాలను పోల్చండి.
నాసిరకం ఫోన్ ఆడియో
నాయిస్ గుర్తింపు మరియు తగ్గింపు మోడల్లు సిగ్నల్ను శుభ్రం చేస్తాయి.
నేపథ్య సంభాషణలు
ఏజెంట్ను దారి తప్పించే ముందు పక్క సంభాషణలను గుర్తించండి.
పేర్లు & చిరునామాలు
సరైన నామవాచకాలు, స్పెల్లింగ్లు, సంఖ్యలు, సవరణలను క్రాస్-చెక్ చేయండి.
మిశ్రమ-భాషా మాటలు
అవసరమైనప్పుడు బహుభాషా ఆడియో మరియు వాయిస్ మార్గాల ద్వారా రూట్ చేయండి.
దీర్ఘ promptలు
ప్రవర్తనను ఒకే నియమానికి కుదించలేనప్పుడు మరింత బలమైన తార్కిక మార్గాలను ఉపయోగించండి.
జాప్యం, నాణ్యత & ఖర్చు
వేగంగా వచ్చిన తప్పు సమాధానం మెరుగైన కాల్ కాదు.
ఫోన్ AI వేగంగా సమాధానం ఇవ్వాలి — కానీ ఖచ్చితత్వం లేని వేగం వేగంగా తప్పులను మాత్రమే అందిస్తుంది. నమ్మదగినదిగా ఉండేందుకు నేటి LLMలకు ఆలోచించడానికి కొంత సమయం అవసరం, కాబట్టి ThunderPhone ప్రతి స్థాయికి ఈ రెండింటినీ సమతుల్యం చేస్తుంది.
Bolt
~2s
మొదటి ప్రతిస్పందన వరకు
Storm
~2–3s
అంగీకార ప్రతిస్పందనలతో ~2s · అవి లేకుండా ~3s
కొలతఇతర విక్రేతలు అనువైన పరిస్థితుల్లో 500ms జాప్యాన్ని ప్రకటిస్తారు, కానీ వాస్తవ కాల్లో సాధారణంగా దాదాపు 2s పడుతుంది.వాస్తవ పరిస్థితుల్లో మా జాప్యాన్ని మేము కొలుస్తాము.
స్థిరత్వంAI విక్రేతలు కాల్లను దారి తప్పించే జాప్య పెరుగుదలలను ఎదుర్కొంటారు.ఇది జరిగినప్పుడు ThunderPhone యొక్క సమన్వయ స్టాక్ వేగవంతమైన ఎంపికలకు మారుతుంది.
వాయిస్ AI తరాలు
వాయిస్ AI తదుపరి తరం వచ్చేసింది
ఆటోమేటెడ్ ఫోన్ కాల్లు ఇప్పటివరకు నిరాశపరిచే అనుభవాలే...ఇప్పటి వరకు. టెక్నాలజీ ప్రతి దశ అనుభవాన్ని మెరుగుపరిచింది, కానీ అది నిజంగా సాఫీగా ఉండే స్థాయికి ఎప్పుడూ చేరలేదు. ThunderPhoneతో అది మారుతుంది.
1990s2010s20242026 · ఇప్పుడు
తరం 1
IVR
సేల్స్ కోసం ఒకటి నొక్కండి, సపోర్ట్ కోసం రెండు నొక్కండి. మెనూలు రూట్ చేయడమే చేయగలవు.
తరం 2
ఇంటెంట్ బాట్లు
“సేల్స్” లేదా “బిల్లింగ్” అని చెప్పి, స్లాట్ పార్సర్ దాన్ని గుర్తిస్తుందని ఆశించండి.
తరం 3
మూడు-దశల AI
ట్రాన్స్క్రైబ్ చేయడం, ఒక వేగవంతమైన LLMని అడగడం, ఆపై మాట్లాడడం — ప్రతి దశ ముందున్న దశను నమ్ముతుంది.
తరం 4
ఇంటిగ్రేటెడ్ AI
ఆడియో, టెక్స్ట్, రీజనింగ్, టూల్స్, వాయిస్లు, గార్డ్రైల్స్ అన్నీ ఒకే సిస్టమ్గా.
మిగతావన్నీ విఫలమయ్యే కాల్ల కోసం రూపొందించబడిందిఇంటిగ్రేటెడ్ స్టాక్ను చూడండి
ఇంటిగ్రేటెడ్ స్టాక్ను చూడండి
మీ అత్యంత కఠినమైన కాల్లలో.
పది నిమిషాల్లో లైవ్. నిమిషానికి 2¢ నుంచి.