ٹیکنالوجی

3 مرحلوں کے پائپ لائن سے آگے بڑھیں۔

زیادہ تر وائس AI پلیٹ فارمز 3 مرحلوں کے پائپ لائن پر انحصار کرتے ہیں: ایک ٹرانسکرپشن ماڈل، ایک غیر استدلالی LLM، اور ایک ٹیکسٹ ٹو اسپیچ انجن۔ ہر مرحلہ ناکامی کا ایک واحد مقام ہے۔ ThunderPhone بیک وقت کئی ماڈلز کو مربوط کر کے غلطیاں کم کرتا ہے۔

کال کرنے والے نے کہا “I rent.”
ASR A“I rent”
ASR B“I’m Brent”
آڈیو LLM“I rent”
“I rent” کی تصدیق ہوئی 3 میں سے 2 راستے متفق ہیں
مربوط آرکیٹیکچر

اسے کئی طریقوں سے سنیں، پھر ان میں تطبیق پیدا کریں۔

ThunderPhone ایک ہی وقت میں متعدد ماڈلز کو ہم آہنگ کرتا ہے، تاکہ وہ ایک دوسرے کی غلطیاں درست کر سکیں۔

دیگر پلیٹ فارمز · 3 مرحلوں کی پائپ لائن

ہر مرحلہ پچھلے مرحلے پر بھروسا کرتا ہے۔

کالر کی آڈیو
“I rent.” · بڑبڑاہٹ میں کہا گیا
STT A
“I’m Brent”
STT B
آڈیو LLM
جب واحد ماڈل غلط سنتا ہے تو کوئی بیک اپ نہیں ہوتا
LLM
ایک تیز ماڈل صرف ٹرانسکرپٹ دیکھتا ہے۔
→ جواب دیتا ہے: “Hi, Brent — میں آپ کی کیسے مدد کر سکتا ہوں؟”
تیز رفتار LLMs ہدایات پر عمل کرنے میں غلطیاں کرتے ہیں
TTS
جواب بلند آواز سے دیا جاتا ہے۔
→ کہتا ہے: “Hi, Brent — میں آپ کی کیسے مدد کر سکتا ہوں؟” ✗
1 ٹرانسکرپٹ اور 1 LLM = غلط جواب
ThunderPhone · ہم آہنگ شدہ

متعدد راستے، ایک مربوط جواب۔

کالر کی آڈیو
“I rent.” · بڑبڑاہٹ میں کہا گیا
STT A
“I rent”
STT B
“I’m Brent”
آڈیو LLM
“I rent”
تین ٹرانسکرپٹس اور خام آڈیو بطور ثبوت محفوظ رکھی جاتی ہیں
استدلالی پرت
تیز رفتار اور سوچنے والے LLMs متن اور آڈیو کے شواہد کا جائزہ لیتے ہیں۔
→ 3 میں سے 2 راستے متفق ہیں: “I rent”
سوچنے والے اور تیز رفتار LLMs جواب دینے سے پہلے ایک دوسرے کی جانچ کرتے ہیں
TTS
منتخب آوازیں ہجے اور حرفی-عددی معلومات میں غلط قیاس آرائیوں کو کم کرتی ہیں۔
→ “سمجھ گیا — یعنی آپ کرائے پر رہتے ہیں۔” ✓
مشکل تفصیلات پہلی بار ہی درست حاصل کرتا ہے۔
کارکردگی کا ثبوت

Storm نے Big Bench Audio پر ذہانت کے ریکارڈ قائم کیے۔

BBA جانچتا ہے کہ آیا کوئی ماڈل بولے گئے prompts کو سمجھ سکتا ہے اور مشکل سوالات کے درست جواب دے سکتا ہے۔ ہماری سب سے مضبوط Storm ترتیب ہمارے عوامی تشخیصی سیٹ پر 99.4% تک پہنچتی ہے — 0.6% غلطیاں، جو اگلے بہترین عوامی اسکور سے 4 گنا کم ہیں۔

ماڈل
غلطی کی شرح↓ کم بہتر ہے
اسکور
ThunderPhone Storm · Extra Intelligence4 گنا کم غلطیاں
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%
Hugging Face پر BBA-Storm تشخیصی ڈیٹاسیٹ دیکھیں

غلطی کی شرح، BBA کامیابی کی شرح سے 100% منفی ہے۔ ThunderPhone کا نتیجہ ہمارے عوامی تشخیصی ڈیٹاسیٹ سے ہے، جس کا لنک اوپر موجود ہے؛ دیگر عوامی اسکورز (Artificial Analysis لیڈر بورڈ) رہنمائی کے لیے درج ہیں۔ BBA فون کال کی کارکردگی کو مکمل طور پر نہیں جانچتا، لیکن بولے گئے prompts پر استدلال کے لیے یہ ایک مفید اشارہ ہے۔

واضح ترجیحات، پیچیدہ کنفیگریشن سے بہتر ہیں

آپ کو وائس اسٹیک اپنے ہاتھ سے ترتیب نہیں دینا چاہیے۔

Vapi، Retell، Pipecat اور LiveKit جیسے دیگر وائس AI پلیٹ فارمز آپ کو اپنی کالز چلانے کے لیے وسیع کنفیگریشن فیصلے کرنے پر مجبور کرتے ہیں۔ ThunderPhone میں، ہمارا ماننا ہے کہ ٹیوننگ ہمارا کام ہے، اور آپ کو اپنی کالز کو روانی سے چلانے کے لیے ممکنہ حد تک کم کام کرنا چاہیے۔

دیگر وائس AI پلیٹ فارمز · ایڈجسٹ کرنے کے لیے بہت سی ترتیبات
STT LLM TTS اختتامی نقطہ بندی شور کم کرنا مداخلتیں متبادل طریقے ٹول اسکیما تاخیر VAD
ThunderPhone یہ سب آپ کے لیے ترتیب دیتا ہے
ThunderPhone · تین فیصلے
1
ایک درجۂ انتخاب کریں
Spark، Bolt، یا Storm۔
2
ایک آواز منتخب کریں
منتخب کردہ، حقیقی کالز پر آزمودہ۔
3
اپنا prompt لکھیں
رویّہ، پالیسی، ٹولز — سادہ زبان میں۔
تین فیصلے۔ بس اتنی ہی سیٹ اپ ہے — آرکیسٹریشن، متبادل طریقے اور ٹیوننگ پہلے سے شامل ہیں۔
ہم کام کے لیے بہترین ماڈلز منتخب کرتے ہیں اور انہیں یکجا کرتے ہیں۔ OpenAI، Anthropic اور Google کے جدید ترین ماڈلز، اوپن سورس ماڈلز کے ساتھ کام کرتے ہیں — ہر کال پر بہترین کارکردگی اور قیمت کے لیے مربوط کیے گئے، تاکہ آپ کو اس کی فکر نہ کرنی پڑے۔
ایک prompt، گراف کا کم پھیلاؤ

ایک prompt، نوڈز کا گراف نہیں۔

فلو بلڈرز اس لیے موجود ہیں کہ کمزور سسٹمز پیچیدہ prompts پر عمل نہیں کر سکتے۔ گفتگو کا ہر مرحلہ ایک نوڈ بن جاتا ہے جسے آپ کو دستی طور پر بنانا اور برقرار رکھنا پڑتا ہے۔ Storm ایک ہی prompt سے بھرپور ہدایات پر عمل کرتا ہے، اس لیے آپ کو نوڈز اور کناروں کی فکر نہیں رہتی۔

فلو بلڈر پلیٹ فارمز

ہر شاخ کو دستی طور پر جوڑیں۔

خوش آمدیدprompt · آواز
فون حاصل کریںprompt · توثیق
فون کی تصدیق کریںدوبارہ prompt ×2
enroll()ٹول · دوبارہ کوششیں
منتقل کریںانسان کو
متبادلتمام صورتوں کے لیے
غلط ×2خرابی
ایک اندراج کے فلو کے لیے چھ نوڈز — ہر ایک کے اپنے prompts، ٹولز، منتقلیاں اور ناکامی سے نمٹنے کا طریقہ۔
ThunderPhone Storm

رویّہ ایک بار بیان کریں۔

رویّے کا prompt
کالر کو خوش آمدید کہیں اور ان کا نام اور فون حاصل کریں۔
اندراج سے پہلے رضامندی کی تصدیق کریں — ضروری ہے۔
اگر وہ بلنگ کے بارے میں پوچھیں تو نیچے دی گئی بلنگ پالیسی پر عمل کریں۔
enroll() کو صرف تب کال کریں جب ہر فیلڈ کی تصدیق ہو جائے۔
اگر کالر کسی انسان سے بات کرنے کو کہے تو انسان کو منتقل کریں۔
پیچیدہ شاخ بندی اختیاری نگران آسان تر تکرار
لکھنے، جانچنے اور تکرار کے لیے ایک prompt — شاخ بندی بھی شامل ہے۔
یہ کیوں اہم ہے

حقیقی کالز پیچیدہ ہوتی ہیں۔ ThunderPhone تیار ہے۔

بڑبڑاتی ہوئی گفتگو، پس منظر کی چہل پہل، نام اور نمبر، ملی جلی زبانیں — ThunderPhone ان حالات کے لیے بنایا گیا ہے جو دوسرے سسٹمز کو ناکام بنا دیتے ہیں۔

بڑبڑاتی گفتگو

ایک ٹرانسکرپٹ پر بھروسا کرنے کے بجائے آڈیو اور متن کے اشاروں کا موازنہ کریں۔

خراب فون آڈیو

شور کی شناخت اور کمی کے ماڈلز سگنل کو صاف کرتے ہیں۔

پس منظر کی گفتگو

ذیلی گفتگو کو وائس ایجنٹ کو متاثر کرنے سے پہلے شناخت کریں۔

نام اور پتے

خاص ناموں، ہجوں، نمبروں اور تصحیحات کی باہمی جانچ کریں۔

مخلوط زبان کی گفتگو

ضرورت کے وقت کثیر لسانی آڈیو اور آواز کے راستوں سے گزاریں۔

طویل prompts

جب رویّے کو ایک اصول تک محدود نہ کیا جا سکے تو زیادہ مضبوط استدلالی راستے استعمال کریں۔

تاخیر، معیار اور لاگت

تیز مگر غلط جواب، بہتر کال نہیں ہوتا۔

فون AI کو فوری جواب دینا ہوتا ہے — مگر درستگی کے بغیر رفتار صرف غلطیاں تیزی سے پہنچاتی ہے۔ آج کے LLMs کو قابلِ اعتماد رہنے کے لیے سوچنے کے لیے ایک لمحہ درکار ہوتا ہے، اس لیے ThunderPhone ہر درجے کے لیے دونوں میں توازن رکھتا ہے۔

Spark
~3s
پہلے جواب تک
Bolt
~2s
پہلے جواب تک
Storm
~2–3s
تقریباً 2 سیکنڈ تصدیقی جواب کے ساتھ · تقریباً 3 سیکنڈ اس کے بغیر
پیمائشدیگر فراہم کنندگان مثالی حالات میں 500 ملی سیکنڈ تاخیر کا دعویٰ کرتے ہیں، مگر حقیقی کال پر عموماً تقریباً 2 سیکنڈ لگتے ہیں۔ہم حقیقی حالات میں اپنی تاخیر کی پیمائش کرتے ہیں۔
لچک پذیریAI فراہم کنندگان کو تاخیر میں اچانک اضافے کا سامنا ہوتا ہے جو کالز کو پٹڑی سے اتار سکتے ہیں۔جب ایسا ہوتا ہے تو ThunderPhone کا مربوط اسٹیک زیادہ تیز متبادل اختیارات پر منتقل ہو جاتا ہے۔
وائس AI کی نسلیں

وائس AI کی اگلی نسل یہاں ہے

خودکار فون کالز مایوس کن تجربات رہی ہیں... اب تک۔ ٹیکنالوجی کی ہر لہر نے تجربے کو بہتر بنایا، مگر اسے کبھی واقعی ہموار نہیں بنایا۔ ThunderPhone کے ساتھ یہ بدل جاتا ہے۔

1990s2010s20242026 · اب
جنریشن 1

IVR

سیلز کے لیے ایک دبائیں، سپورٹ کے لیے دو دبائیں۔ مینیو صرف کال کو آگے بھیج سکتے ہیں۔

جنریشن 2

انٹینٹ بوٹس

“سیلز” یا “بلنگ” کہیں اور امید کریں کہ سلاٹ پارسر اسے شناخت کر لے۔

جنریشن 3

تین مرحلوں والی AI

ٹرانسکرائب کریں، ایک تیز LLM سے پوچھیں، پھر بولیں — ہر مرحلہ پچھلے پر بھروسا کرتا ہے۔

جنریشن 4

انٹیگریٹڈ AI

آڈیو، متن، استدلال، ٹولز، آوازیں اور حفاظتی ضوابط، ایک نظام میں۔

ان کالز کے لیے تیار کردہ جو باقی سب کچھ ناکام بنا دیتی ہیں

مربوط اسٹیک دیکھیں
اپنی مشکل ترین کالز کے لیے۔

دس منٹ میں فعال۔ 2 سینٹ فی منٹ سے۔