เริ่มต้นใช้งาน
เทคโนโลยี

ก้าวข้ามกระบวนการ 3 ขั้นตอน

แพลตฟอร์ม AI เสียงส่วนใหญ่อาศัยกระบวนการ 3 ขั้นตอน: โมเดลถอดเสียงหนึ่งโมเดล, LLM ที่ไม่คิดเองหนึ่งโมเดล, เอนจินแปลงข้อความเป็นเสียงหนึ่งตัว แต่ละขั้นตอนคือจุดล้มเหลวเพียงจุดเดียว ThunderPhone ลดข้อผิดพลาดด้วยการประสานโมเดลจำนวนมากพร้อมกัน

เริ่มต้นใช้งาน ดูราคา
ผู้โทรพูดว่า “I rent.”
ASR A“I rent”
ASR B“I’m Brent”
Audio LLM“I rent”
ปรับผลให้ตรงกันเป็น “I rent” 2 จาก 3 เส้นทางให้ผลตรงกัน
สถาปัตยกรรมแบบบูรณาการ

ได้ยินได้หลายแบบ แล้วปรับให้สอดคล้องกัน

ThunderPhone ประสานหลายโมเดลพร้อมกัน ให้แต่ละโมเดลแก้ไขข้อผิดพลาดของกันและกันได้

แพลตฟอร์มอื่น · ไปป์ไลน์ 3 ขั้นตอน

แต่ละขั้นตอนเชื่อผลลัพธ์จากขั้นตอนก่อนหน้า

เสียงผู้โทร
“I rent.” · พูดพึมพำ
STT A
“I’m Brent”
STT B
—
Audio LLM
—
ไม่มีระบบสำรองเมื่อโมเดลเดียวฟังผิด
LLM
โมเดลที่รวดเร็วจะเห็นเฉพาะบันทึกการสนทนา
→ ตอบว่า “Hi, Brent — how can I help?”
LLM ที่รวดเร็วอาจทำผิดพลาดในการทำตามคำสั่ง
TTS
ระบบพูดคำตอบกลับ
→ พูดว่า “Hi, Brent — how can I help?” ✗
1 บทถอดเสียง + 1 LLM = คำตอบที่ผิด
ThunderPhone · ประสานการทำงาน

หลายเส้นทาง หนึ่งคำตอบที่ประสานกัน

เสียงผู้โทร
“I rent.” · พูดพึมพำ
STT A
“I rent”
STT B
“I’m Brent”
Audio LLM
“I rent”
เก็บบันทึกการสนทนา 3 รายการพร้อมเสียงดิบไว้เป็นหลักฐาน
ชั้นการให้เหตุผล
LLM แบบรวดเร็วและแบบใช้การให้เหตุผลประเมินหลักฐานจากข้อความและเสียง
→ 2 จาก 3 เส้นทางเห็นตรงกัน: “I rent”
LLM ที่ใช้การให้เหตุผลและ LLM ที่รวดเร็วตรวจสอบไขว้ก่อนตอบ
TTS
เสียงที่คัดสรรช่วยลดการหลอนเกี่ยวกับการสะกดและอักขระผสมตัวเลข
→ “เข้าใจแล้ว คุณเช่าอยู่” ✓
เข้าใจรายละเอียดที่ซับซ้อนได้ถูกต้องตั้งแต่ครั้งแรก
หลักฐานด้านประสิทธิภาพ

Storm สร้างสถิติด้านความสามารถบน Big Bench Audio

BBA ทดสอบว่าโมเดลสามารถเข้าใจคำสั่งที่พูดออกเสียงและตอบคำถามที่ยากได้อย่างถูกต้องหรือไม่ การตั้งค่า Storm ที่ทรงประสิทธิภาพที่สุดของเราทำได้ 99.4% บนชุดข้อมูลประเมินสาธารณะของเรา — ข้อผิดพลาด 0.6% น้อยกว่าคะแนนสาธารณะที่ดีที่สุดลำดับถัดไป 4×

โมเดล
อัตราข้อผิดพลาด↓ ยิ่งต่ำยิ่งดี
คะแนน
ThunderPhone Storm · Extra Intelligenceข้อผิดพลาดน้อยกว่า 4×
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%
ดูชุดข้อมูลประเมิน BBA-Storm บน Hugging Face

อัตราข้อผิดพลาดเท่ากับ 100% ลบด้วยอัตราความสำเร็จของ BBA ผลลัพธ์ของ ThunderPhone มาจากชุดข้อมูลประเมินสาธารณะของเรา ซึ่งลิงก์ไว้ด้านบน ส่วนคะแนนสาธารณะอื่นๆ (กระดานจัดอันดับ Artificial Analysis) แสดงไว้เพื่อใช้อ้างอิง BBA ไม่ได้สะท้อนประสิทธิภาพการโทรอย่างครบถ้วน แต่เป็นสัญญาณที่มีประโยชน์สำหรับการให้เหตุผลจากคำสั่งที่พูดออกเสียง

แนวทางที่กำหนดมาอย่างชัดเจนดีกว่าการเปิดให้ปรับแต่งทุกอย่าง

คุณไม่ควรต้องประกอบชุดเทคโนโลยีเสียงด้วยตนเอง

แพลตฟอร์ม AI เสียงอื่นๆ เช่น Vapi, Retell, Pipecat และ LiveKit บังคับให้คุณตัดสินใจตั้งค่าจำนวนมากเพื่อให้ระบบโทรของคุณทำงาน ที่ ThunderPhone เราเชื่อว่าการปรับจูนเป็นงานของเรา และคุณควรทำงานให้น้อยที่สุดเพื่อให้การโทรของคุณดำเนินไปอย่างราบรื่น

แพลตฟอร์ม AI เสียงอื่นๆ · ตัวเลือกปรับแต่งมากมาย
STT LLM TTS การตรวจจับจุดสิ้นสุดการพูด การลดเสียงรบกวน การขัดจังหวะ ทางเลือกสำรอง สคีมาเครื่องมือ ความหน่วง VAD
ThunderPhone ปรับแต่งทั้งหมดนี้ให้คุณ
ThunderPhone · สามการตัดสินใจ
1
เลือกระดับ
Spark, Bolt หรือ Storm
2
เลือกเสียง
คัดสรรและทดสอบกับการโทรจริง
3
เขียนพรอมป์ต์ของคุณ
พฤติกรรม นโยบาย เครื่องมือ—ภาษาธรรมดา
สามการตัดสินใจ นั่นคือทั้งหมดของการตั้งค่า—ระบบประสานงาน ทางเลือกสำรอง และการปรับแต่งมาพร้อมใช้งานในตัว
เราคัดเลือกโมเดลที่ดีที่สุดสำหรับงานและผสานเข้าด้วยกัน โมเดลระดับแนวหน้าจาก OpenAI, Anthropic และ Google ทำงานร่วมกับโมเดลโอเพนซอร์ส—ประสานงานเพื่อประสิทธิภาพและราคาที่ดีที่สุดในทุกการโทร เพื่อให้คุณไม่ต้องกังวลเรื่องนี้
พรอมป์ต์เดียว ลดความซับซ้อนของกราฟ

พรอมป์ต์เดียว ไม่ใช่กราฟของโหนด

แพลตฟอร์มสร้างโฟลว์มีอยู่เพราะระบบที่อ่อนกว่านั้นทำตามพรอมป์ต์ที่ซับซ้อนไม่ได้ ทุกขั้นตอนของการสนทนาจึงกลายเป็นโหนดที่คุณต้องสร้างและดูแลเอง Storm ทำตามคำสั่งที่ละเอียดจากพรอมป์ต์เดียวได้ คุณจึงไม่ต้องกังวลเรื่องโหนดและเส้นเชื่อม

แพลตฟอร์มสร้างโฟลว์

เดินสายทุกแขนงด้วยตัวเอง

คำทักทายพรอมป์ต์ · เสียง
เก็บหมายเลขโทรศัพท์พรอมป์ต์ · การตรวจสอบ
ยืนยันหมายเลขโทรศัพท์ถามซ้ำ ×2
enroll()เครื่องมือ · การลองใหม่
ส่งต่อไปยังเจ้าหน้าที่
ทางเลือกสำรองครอบคลุมทุกกรณี
ไม่ถูกต้อง ×2ข้อผิดพลาด
หกโหนดสำหรับโฟลว์การลงทะเบียนเดียว — แต่ละโหนดมีพรอมป์ต์ เครื่องมือ การเปลี่ยนสถานะ และการจัดการความล้มเหลวของตัวเอง
ThunderPhone Storm

อธิบายพฤติกรรมเพียงครั้งเดียว

พรอมป์ต์พฤติกรรม
ทักทายผู้โทรและเก็บชื่อและหมายเลขโทรศัพท์ของพวกเขา
ยืนยันความยินยอมก่อนลงทะเบียน — จำเป็นต้องทำ
หากพวกเขาถามเรื่องการเรียกเก็บเงิน ให้ปฏิบัติตามนโยบายการเรียกเก็บเงินด้านล่าง
เรียกใช้enroll()เมื่อยืนยันทุกช่องข้อมูลแล้วเท่านั้น
หากผู้โทรขอคุยกับบุคคล ให้โอนไปยังเจ้าหน้าที่
การแตกแขนงที่ซับซ้อน ตัวตรวจสอบเสริม ปรับปรุงซ้ำได้ง่ายขึ้น
พรอมป์ต์เดียวสำหรับเขียน ทดสอบ และปรับปรุงซ้ำ — รวมการแตกแขนงไว้แล้ว
เหตุใดจึงสำคัญ

สายสนทนาในงานจริงมีความซับซ้อน ThunderPhone พร้อมรับมือ

คำพูดอู้อี้ เสียงพูดคุยรอบข้าง ชื่อและตัวเลข ภาษาปะปน—ThunderPhone สร้างมาเพื่อสถานการณ์ที่ทำให้ระบบอื่นทำงานไม่ได้

คำพูดอู้อี้

เปรียบเทียบสัญญาณเสียงและข้อความแทนการเชื่อผลถอดเสียงเพียงอย่างเดียว

เสียงโทรศัพท์คุณภาพต่ำ

โมเดลระบุและลดเสียงรบกวนช่วยปรับสัญญาณให้ชัดเจน

เสียงพูดคุยรอบข้าง

ระบุบทสนทนาด้านข้างก่อนที่จะรบกวนการทำงานของเอเจนต์

ชื่อและที่อยู่

ตรวจสอบชื่อเฉพาะ การสะกด ตัวเลข และการแก้ไขซ้ำ

คำพูดหลายภาษา

ส่งต่อผ่านเส้นทางเสียงและเสียงพูดหลายภาษาเมื่อจำเป็น

พรอมต์ยาว

ใช้เส้นทางการให้เหตุผลที่แข็งแกร่งกว่าเมื่อพฤติกรรมไม่อาจลดทอนเป็นกฎข้อเดียวได้

เวลาแฝง คุณภาพ และต้นทุน

คำตอบที่ผิดแต่เร็วกว่าไม่ได้ทำให้สายสนทนาดีกว่า

AI สำหรับโทรศัพท์ต้องตอบเร็ว แต่ความเร็วที่ไร้ความถูกต้องก็แค่ส่งต่อข้อผิดพลาดได้เร็วขึ้น LLM ในปัจจุบันต้องใช้เวลาชั่วขณะในการคิดเพื่อให้เชื่อถือได้ ดังนั้น ThunderPhone จึงปรับสมดุลทั้งสองด้านตามแต่ละระดับบริการ

Spark
~3s
จนถึงการตอบกลับครั้งแรก
Bolt
~2s
จนถึงการตอบกลับครั้งแรก
Storm
~2–3s
~2 วินาทีพร้อมการตอบรับ · ~3 วินาทีหากไม่มีการตอบรับ
การวัดผลผู้ให้บริการรายอื่นอ้างว่ามีเวลาแฝง 500 มิลลิวินาทีภายใต้สภาวะที่เหมาะสม แต่โดยทั่วไปจะอยู่ที่ ราว 2 วินาทีในการโทรจริงเราวัดเวลาแฝงของเราภายใต้สภาวะจริง
ความยืดหยุ่นผู้ให้บริการ AI พบเวลาแฝงพุ่งสูงจนทำให้สายสนทนาสะดุดได้สแตกที่ ThunderPhone ประสานงาน จะสลับไปใช้ตัวเลือกที่เร็วกว่าเมื่อเกิดเหตุการณ์นี้
วิวัฒนาการของ AI เสียง

AI เสียงเจเนอเรชันถัดไปมาถึงแล้ว

การโทรอัตโนมัติเป็นประสบการณ์ที่น่าหงุดหงิด...จนถึงตอนนี้ เทคโนโลยีแต่ละระลอกช่วยยกระดับประสบการณ์ แต่ไม่เคยทำให้ประสบการณ์ราบรื่นอย่างแท้จริง สิ่งนั้นเปลี่ยนไปด้วย ThunderPhone

1990s2010s20242026 · ตอนนี้
เจเนอเรชัน 1

IVR

กดหนึ่งสำหรับฝ่ายขาย กดสองสำหรับฝ่ายสนับสนุน เมนูทำได้เพียงส่งต่อสาย

เจเนอเรชัน 2

บอตระบุเจตนา

พูดว่า “ฝ่ายขาย” หรือ “การเรียกเก็บเงิน” แล้วหวังว่าตัวแยกวิเคราะห์ช่องข้อมูลจะจับได้

เจเนอเรชัน 3

AI สามขั้นตอน

ถอดเสียง ถาม LLM ที่รวดเร็วหนึ่งครั้ง แล้วพูดออกมา—แต่ละขั้นเชื่อมั่นในขั้นก่อนหน้า

เจเนอเรชัน 4

AI แบบบูรณาการ

เสียง ข้อความ การให้เหตุผล เครื่องมือ เสียงพูด และกลไกกำกับความปลอดภัยในระบบเดียว

สร้างมาเพื่อรับมือกับสายที่ทำให้ทุกระบบอื่นล้มเหลว

ดูสแต็กแบบบูรณาการ
สำหรับสายที่ยากที่สุดของคุณ

พร้อมใช้งานใน 10 นาที เริ่มต้นที่ 2¢/นาที

เริ่มต้นใช้งาน