Modulate recauda USD 25 millones para su conjunto de detección de voz por IA

Modulate, una startup de inteligencia de voz con sede en Boston, recaudó USD 25 millones en nuevo financiamiento para su plataforma, que utiliza un conjunto de modelos pequeños para ofrecer a las empresas transcripción, análisis emocional, detección de deepfakes y música generada por IA, y aplicación de políticas para agentes de voz en industrias reguladas. La ronda sigue una tendencia popular entre los inversionistas de la industria de IA de voz: respaldar a empresas que buscan que las voces de IA suenen más humanas, así como a aquellas que intentan detectar la intención detrás de una conversación humana y proteger a personas y empresas de llamadas deepfake, ahora que clonar voces se ha vuelto fácil. El financiamiento fue liderado por Future Ventures, con la participación de Hyperplane y Lakestar. Según datos de PitchBook, la startup había recaudado previamente USD 41 millones con una valoración de USD 170 millones.

Modulate fue fundada en 2017 por Mike Pappas y Carter Huffman, quienes se conocieron como estudiantes de física de pregrado en el MIT. En sus primeros días, la empresa se enfocó en la modulación de voz para videojuegos, antes de pasar a una herramienta de moderación basada en voz. Con el auge de los modelos de IA de voz, ahora se concentra en detectar distintos tipos de generación de audio por IA y analizar la intención detrás de las palabras de una persona. “Nuestra percepción del espacio de la IA de voz es que muchas empresas hacen transcripción, pero realmente no existe ninguna capacidad que capture el matiz completo y la comprensión total de una conversación, algo tan importante cuando hablas con otro ser humano”, dijo Huffman en una llamada con TechCrunch.

La empresa ahora ejecuta más de 100 modelos, divididos en gran parte en dos categorías: modelos de extracción de señales que leen la emoción vocal, el tono, el idioma y la determinación de voz sintética, y modelos de análisis y detección que evalúan la intención: qué intenta decir un cliente, si un interlocutor está violando reglas, o si está intentando estafar a la persona del otro lado. Debido a que ejecuta modelos más pequeños, dijo Huffman, Modulate no necesita hardware especializado ni grandes cantidades de cómputo, algo relevante a medida que suben los costos de tokens; también es más fácil entrenar nuevos modelos, agregarlos al conjunto y hacer que un orquestador los invoque cuando se necesiten.

La base de clientes de Modulate abarca la detección de deepfakes y la alerta a organizaciones como centros de llamadas sobre posibles estafas, así como el monitoreo de cómo responden los agentes de IA a los clientes para evaluar la calidad de las llamadas y confirmar que la IA cumple con las reglas de cumplimiento en industrias reguladas, a menudo operando junto a la pila de voz existente de una empresa solo para analizar las llamadas. A medida que más empresas adoptan servicio al cliente impulsado por IA, dijo Huffman, medir la verdadera intención de quien llama importa más que el sentimiento superficial: los clientes suelen ser educados incluso con agentes de IA mientras permanecen, en el fondo, muy insatisfechos. La empresa dijo que su tecnología también se usa para monitorear ciberataques realizados a través de llamadas de voz. Modulate tiene actualmente entre 40 y 45 empleados y busca sumar unos 10 más en los próximos meses para reforzar la construcción de modelos, mientras trabaja también en ampliar el despliegue local y en dispositivo para mayor privacidad.

Por qué importa

A medida que las empresas industrializan los agentes de voz con IA para atención al cliente, Modulate apuesta a que verificar y calificar esas conversaciones —no generarlas— es la capa que las industrias reguladas estarán dispuestas a pagar por mantener internamente o en el dispositivo.