ThunderPhone 同時協調多個模型運作，讓它們彼此修正錯誤。
快速 LLM 只能看到逐字稿。
「嗨，Brent——有什麼需要我幫忙的嗎？」
快速 LLM＋推理型 LLM 交叉驗證：3 條路徑中有 2 條結果一致。
「了解——所以你在租屋。」
BBA 測試模型能否理解口述提示，並正確回答高難度問題。我們最強的 Storm 組態目前保持紀錄：在我們公開的評估資料集上取得 99.4%。
0.6% 錯誤率
ThunderPhone 的結果來自上方連結的公開評測資料集；其他公開分數（Artificial Analysis 排行榜）則列於此，供比較參考。
Vapi、Retell、Pipecat 與 LiveKit 等其他語音人工智慧平台，會迫使你處理大量設定與取捨，通話才能正常運作。ThunderPhone 的理念很簡單：調校是我們的事，你不用大費周章，就能讓通話順暢運作。
ThunderPhone 會替你調校這一切
Spark、Bolt 或 Storm。
精心挑選，並經真實通話測試。
行為、規範、工具——直接用自然語言設定。
只需做出三個決定，設定就完成——編排、備援與調校全都內建。
我們會為每項任務挑選最合適的模型，再將它們整合起來。結合 OpenAI、Anthropic 與 Google 的尖端模型及開放原始碼模型——統一編排，讓每通電話都能兼顧最佳效能與價格，你完全不必費心。
能力不足的系統無法遵循複雜提示詞，才需要流程建構器。對話的每個步驟都得變成一個節點，由你手動建立與維護。Storm 只靠一個提示詞，就能遵循詳盡指示，讓你無須再操心節點與連線。
光是一個註冊流程就要六個節點——每個節點還得分別設定提示詞、工具、流程轉換與失敗處理。
向來電者問候，並收集對方的姓名與電話號碼。登記前務必確認對方同意——這是必要條件。若對方詢問帳務問題，請遵循下方的帳務政策。待所有欄位都確認無誤後，再呼叫enroll()，且僅能呼叫一次。若來電者要求真人服務，請轉接真人。
只需撰寫、測試、反覆調整一段提示詞——分支邏輯也包含在內。
口齒不清、背景交談聲、人名與數字、多語混雜——ThunderPhone 專為這些會讓其他系統失靈的情境而打造。
不只採信單一逐字稿，而是交叉比對音訊與文字訊號。
噪音辨識與降噪模型能減少訊號中的雜音干擾。
先辨識一旁的交談，避免語音智慧體被帶偏。
交叉核對專有名詞、拼法、數字與更正內容。
需要時，導向多語音訊與語音處理路徑。
當應對方式無法化約為單一規則時，採用更強的推理路徑。
電話 AI 必須快速回應——但只快不準，換來的只是更快答錯。現今的 LLM 需要一點思考時間，才能維持可靠表現，因此 ThunderPhone 在延遲與準確度之間取得平衡。
其他供應商宣稱理想條件下的延遲僅 500 毫秒，但實際上在真實通話中通常約為 2 秒。 我們在真實環境下實測延遲。
AI 供應商的延遲可能突然飆升，打亂整段通話流程。 遇到這種情況時，ThunderPhone 的協同調度架構會自動改用速度更快的選項。
自動化通話向來令人挫折……直到現在。每一波技術革新都讓體驗有所改善，卻始終稱不上真正流暢。有了 ThunderPhone，這一切就此改變。
「業務請按 1，技術支援請按 2。」選單只能負責轉接。
說出「業務」或「帳務」，再祈禱槽位解析器能正確辨識。
先轉成文字，交給一個快速 LLM 處理，再把答案說出口——每一步都只能相信上一步的結果。
將音訊、文字、推理、工具、語音與防護機制整合為一套系統。