ThunderPhone 同时调度多个模型，让它们相互纠错。
快速 LLM 只能看到转写文本。
“您好，Brent——有什么可以帮您？”
快速 LLM 与推理型 LLM 交叉核验：3 条路径中有 2 条结论一致。
“明白了——您说的是‘我租房’。”
BBA 用来测试模型能否听懂语音提示，并正确回答高难度问题。我们最强的 Storm 配置目前保持纪录：在我们的公开评测集上达到 99.4%。
0.6% 错误率
ThunderPhone 的结果来自上方链接的公开评测数据集；其他公开得分（Artificial Analysis 排行榜）仅供参考。
使用 Vapi、Retell、Pipecat 和 LiveKit 等其他语音 AI 平台，您必须完成大量配置，才能让通话正常运行。ThunderPhone 则认为，调优该由我们负责；要让通话顺畅运行，您需要做的事应该越少越好。
这一切都由 ThunderPhone 为您调优
Spark、Bolt 或 Storm。
精心筛选，并经过真实通话验证。
行为、策略、工具——直接用自然语言描述。
只需做三项选择，配置即告完成——编排、备用方案和调优全部内置。
我们为每项任务挑选最合适的模型，并将它们无缝组合。OpenAI、Anthropic、Google 的前沿模型与开源模型协同工作——每通电话都经过精心编排，兼顾最佳性能与价格，您无需操心。
流程构建器之所以存在，是因为能力较弱的系统无法遵循复杂提示词。对话中的每一步都会变成一个节点，需要您手动搭建和维护。Storm 只需一条提示词就能遵循详尽指令，因此您无需再操心节点和连线。
一套登记流程就要用到 6 个节点——每个节点都要单独配置提示词、工具、跳转规则和失败处理。
向来电者问好，并收集对方的姓名和电话号码。录入前先确认对方同意——此项必须完成。如果对方询问计费问题，请遵循下方的计费政策。确认所有字段后，才能调用一次enroll()。如果来电者要求与真人沟通，请转接人工。
一条提示词，从编写、测试到迭代——连分支逻辑也一并涵盖。
含混的说话声、背景交谈声、姓名和数字、多语言夹杂——ThunderPhone 正是为这些会让其他系统失灵的场景而打造。
同时比对音频与文本信号，而非只依赖单一转写结果。
噪声识别与降噪模型可过滤音频信号中的干扰。
识别旁人交谈，避免智能体被带偏。
交叉核验专有名词、拼写、数字和更正内容。
需要时，自动选择多语言音频与语音链路。
当智能体行为无法简化为单一规则时，采用更强的推理路径。
语音智能体必须快速回应——但快而不准，只会更快出错。如今的 LLM 需要一点思考时间，才能保持可靠，因此 ThunderPhone 会在响应延迟与准确性之间取得平衡。
其他厂商宣称理想条件下延迟仅 500 毫秒，但在真实通话中通常约为 2 秒。 我们基于真实场景测试延迟。
AI 服务商有时会出现延迟飙升，打乱整个通话流程。 ThunderPhone 通过技术栈统一编排，在这种情况下会自动切换至更快的方案。
过去，自动化通话总让人倍感挫败……但到此为止。一轮轮技术迭代让体验不断改善，却始终称不上真正顺畅。ThunderPhone 改变了这一切。
“销售请按 1，技术支持请按 2。”菜单只能转接来电。
说出“销售”或“账单”，然后只能寄希望于槽位解析器正确识别。
先转写，再调用一个高速 LLM，最后合成语音——每一步都依赖上一步的结果。
将音频、文本、推理、工具、音色与安全护栏融于一套系统。