Что произошло
Разработчик Алекс из ThunderPhone анонсировал вторую версию платформы для голосового ИИ. Главное изменение — отказ от стандартного трёхшагового пайплайна (распознавание речи → LLM → синтез речи) в пользу гибридной архитектуры. ThunderPhone v2 одновременно запускает несколько моделей транскрипции, передаёт аудио напрямую в LLM и комбинирует быстрые и «думающие» модели для естественного диалога. Доступны три тарифа: Spark (2 цента/мин), Bolt (5 центов/мин) и Storm (9 центов/мин).
Почему это обсуждают
На Hacker News пост набрал активное обсуждение, поскольку затрагивает ключевую проблему современных голосовых агентов: качество и скорость. Классический трёхшаговый пайплайн, по мнению автора, страдает от трёх недостатков: ошибки одной модели транскрипции необратимы; быстрые LLM без «мышления» допускают глупые ошибки; естественное управление разговором (шум, перебивания, паузы) остаётся сложной задачей. ThunderPhone предлагает альтернативу, которая уже работает в продакшене, а не просто обещана.
Что подтверждено
| Punkt | Detail |
|---|---|
| Платформа | ThunderPhone v2 запущена, доступна для звонков и API |
| Архитектура | Мультитранскрипция + прямая подача аудио в LLM + комбинация быстрых и «думающих» моделей |
| Цены | Spark — 2¢/мин, Bolt — 5¢/мин, Storm — 9¢/мин (+3¢ за доп. возможности) |
| Бенчмарк | 99,4% на Big Bench Audio — утверждается как лучшее значение |
| Функции | Поддержка тонального набора, детекция голосовой почты, cold outbound с TCPA-комплаенсом, BAA/DPA |
| Ограничения | Не раскрыта детальная архитектура «думающей» модели; нет независимых тестов |
Что остаётся неясным
Насколько архитектура ThunderPhone масштабируется для миллионов одновременных звонков — не раскрыто. Также не указано, какие именно модели используются для «мышления» (вероятно, проприетарная комбинация). Отсутствуют результаты A/B-тестов в реальных кейсах (поддержка, продажи) с независимой оценкой. Сравнение с GPT-Live от OpenAI — скорее контекст, чем прямая конкуренция: GPT-Live пока не интегрирован в телефонные звонки.
Что смотреть дальше
Стоит изучить API ThunderPhone, особенно параметры модели и настройки «думающего» режима. Полезна будет проверка бенчмарка Big Bench Audio — насколько он релевантен для конкретных сценариев (например, медицинские или юридические звонки). Также имеет смысл отследить, появится ли у OpenAI публичный API для голосовых звонков на базе GPT-Live.
Источники: оригинальный пост на Hacker News (https://news.ycombinator.com/item?id=thunderphone-v2), страница платформы (https://thunderphone.com), верификация — блог OpenAI (https://openai.com/news/).