استارتاپ Phonic مدل صوتی Phonic-1 را معرفی کرد؛ مکالمه طبیعی و اجرای هم‌زمان ابزارها

معرفی مدل

مدل Phonic-1 یک مدل گفتاربه‌گفتار از استارتاپ Phonic است که در تاریخ ۲۹ اکتبر ۲۰۲۶ هم‌زمان با جذب سرمایه ۲۷٫۵ میلیون دلاری در مرحله سری A به رهبری شرکت First Round رونمایی شد. این مدل به‌طور ویژه برای ایجنت‌های صوتی خودکار توسعه یافته است؛ سامانه‌ای که به‌طور مستقیم صدای مخاطب را می‌شنود، با لحنی کاملاً طبیعی پاسخ می‌دهد و دقیقاً زمانی که کاربر همچنان در حال صحبت است ابزارها را فراخوانی می‌کند، بدون آنکه نیازی به عبور از مراحل متوالی و زنجیره‌ای تبدیل صوت به متن (ASR)، مدل زبانی (LLM) و تبدیل متن به گفتار (TTS) داشته باشد.

صفحه رونمایی رسمی: وبلاگ رسمی Phonic · مستندات فنی: مستندات توسعه‌دهندگان Phonic · شناسه مدل در رابط برنامه‌نویسی: phonic-1

ویژگی‌ها و نکات کلیدی

1. عرضه رسمی مدل با هویت اختصاصی: این مدل با شناسه اختصاصی phonic-1 در API عرضه شده و صرفاً یک تغییر نام بازاریابی برای فناوری‌های پیشین نیست.
2. جایگاه برتر در بنچمارک‌ها: مدل Phonic-1 در شاخص سنجش گفتاربه‌گفتار Artificial Analysis با کسب امتیاز ۸۷٫۱ در بالاترین تنظیمات، در رتبه نخست ایستاده و از Grok Voice 3.0 نیز پیشی گرفته است؛ هم‌چنین در موفقیت انجام وظایف ایجنتی با تأخیر ورودی به خروجی کمتر از ۶۰۰ میلی‌ثانیه عملکرد درخشانی دارد.
3. تمایز فنی و قابلیت‌های ویژه: امکان اجرای ابزارها در میانه صحبت کاربر به‌گونه‌ای فراهم شده که به‌محض اتمام جمله مخاطب، پاسخ کاملاً آماده است؛ این مدل از بیش از ۵۰ زبان مختلف همراه با امکان تغییر زبان در جریان مکالمه پشتیبانی می‌کند و از استانداردهای سازمانی SOC2 و HIPAA نیز برخوردار است.
4. تعرفه و هزینه استفاده: قیمت‌گذاری این سرویس حدود ۰٫۰۷ دلار به ازای هر دقیقه است که از طریق API اختصاصی Phonic، کیت‌های توسعه نرم‌افزاری (SDK)، رابط خط فرمان (CLI) و سامانه ساخت ایجنت در دسترس قرار دارد.
5. بازتاب و توجه رسانه‌ای: هم‌زمان با اعلام دور سرمایه‌گذاری سری A، بازتاب‌های گسترده‌ای در شبکه اجتماعی X و تحلیل‌های مستقلی در رسانه‌های تخصصی پیرامون این فناوری منتشر شد.

چرا این تحول اهمیت دارد؟

معرفی یک مدل گفتاربه‌گفتار مستقل با مستندات کامل، دسترسی آنی به API و کسب رتبه نخست در ارزیابی‌های مستقل، امکان رقابت و مقایسه مستقیم آن را با پشته‌های صوتی پیشرفته نظیر GPT-Live و Gemini Live فراهم می‌کند.

راهنمای استفاده و تجربه مدل

1. ابتدا مطلب رسمی رونمایی را مطالعه کرده و یک کلید API در پنل مدیریتی Phonic ایجاد کنید.
2. ایجنت صوتی خود را با شناسه مدل phonic-1 از طریق رابط برنامه‌نویسی (API)، کیت‌های توسعه TypeScript یا Python، خط فرمان (CLI) یا ابزار ایجنت‌ساز بدون کدنویسی بسازید.
3. میزان موفقیت و تاخیر مکالمات را در ترافیک واقعی تماس‌های تلفنی خود با سامانه‌های چندمرحله‌ای سنتی مقایسه نمایید.

پیش از به‌کارگیری این مدل در ترافیک واقعی و حساس بخش‌های مالی یا درمانی، از دردسترس بودن منطقه جغرافیایی و توافق‌نامه‌های سازمانی مرتبط اطمینان حاصل کنید.