Modulate набра 25 млн. долара за своите гласови модели и пакет за анализ

Базираният в Бостън стартъп за гласова интелигентност Modulate набра $25 млн. ново финансиране за своята платформа, която използва набор от малки модели, за да предлага на предприятията транскрипция, емоционален анализ, откриване на дийпфейкове и музика, генерирана от изкуствен интелект, както и прилагане на политики за гласови агенти в регулирани индустрии.

Финансирането следва популярна тенденция сред инвеститорите в разрастващата се индустрия на гласовия изкуствен интелект: подкрепа за компании, които се опитват да направят гласовете, генерирани от изкуствен интелект, да звучат по-човешки.

То също така поставя компанията в конкуренция с други дружества, които се опитват да откриват намеренията зад човешките разговори чрез анализирането им, както и с такива, които се стремят да защитят хората и компаниите от обаждания с дийпфейк, тъй като клонирането на гласове вече е лесно.

Новото финансиране на Modulate беше ръководено от Future Ventures с участието на Hyperplane и Lakestar. Данни от PitchBook показват, че преди този рунд стартъпът е бил набрал $41 млн. финансиране при оценка от $170 млн.

Стартъпът е основан през 2017 г. от Майк Папас и Картър Хъфман, които се запознават като студенти по физика в Масачузетския технологичен институт. В ранните си дни компанията се фокусира върху предоставянето на гласова модулация за игри. По-късно обаче започва да се концентрира върху инструмент за модериране, базиран на глас.

С появата на моделите за гласов изкуствен интелект компанията вече се концентрира върху откриването на различни видове аудио, генерирано от изкуствен интелект, и анализирането на намеренията зад думите на даден човек.

„Нашето виждане за сферата на гласовия изкуствен интелект е, че много хора се занимават с транскрипция, но всъщност няма възможност, която да улавя пълния нюанс и цялостното разбиране на един разговор, а това е изключително важно, когато разговаряте с друг човек“, каза Хъфман в разговор с TechCrunch.

Днес компанията управлява повече от 100 модела, които до голяма степен са категоризирани в два раздела: модели за извличане на сигнали, които разбират вокалните емоции, тона, езика и определят дали гласът е синтетичен; и модели за анализ и откриване, които разглеждат намеренията — например какво се опитва да каже клиентът, дали обаждащият се нарушава правила или се опитва да измами получателя.

Хъфман каза, че тъй като използва по-малки модели, компанията няма нужда от специализиран хардуер и огромни изчислителни ресурси, което може да се окаже от решаващо значение, когато разходите за токени се увеличат. Освен това за компанията е по-лесно да обучава модели с нови възможности, да ги добавя към набора и да разполага с оркестратор, който да ги извиква при необходимост.

Modulate има разнообразна клиентска база, но е специализирана в откриването на дийпфейкове и предупреждаването на организации като кол центрове за възможни измами. Тя също така следи как гласовите агенти с изкуствен интелект отговарят на клиентите, за да оценява качеството на разговорите, като същевременно гарантира, че изкуственият интелект спазва правилата за съответствие в регулирани области. Заради тези продукти Modulate често се разполага до гласовия стек, използван от дадена компания, само за да анализира разговорите.

Тъй като все повече предприятия внедряват обслужване на клиенти, задвижвано от изкуствен интелект, за тях става важно да знаят защо дадено обаждане от клиент е било успешно или неуспешно. В такъв случай разбирането на намеренията и реакциите на клиентите става от ключово значение отвъд базовия анализ. Хъфман каза, че Modulate може да предостави на предприятията подробни данни в тази насока.

„Мисля, че когато компаниите мислят за анализ на емоциите, те си представят, че ако клиентът е бил неутрален или положително настроен, разговорът е бил успешен, а ако клиентът е бил негативно настроен, разговорът е бил неуспешен. Но всъщност много често хората са учтиви дори към гласови агенти или ботове с изкуствен интелект. Нали така? Те няма да изглеждат ядосани, но ще бъдат много неудовлетворени“, каза той.

Компанията заяви, че нейната технология се използва и за наблюдение на кибератаки чрез гласови обаждания.

В момента стартъпът има 40–45 служители и планира да добави още 10 души през следващите месеци, за да укрепи изграждането на модели. В момента Modulate работи върху разширяването на възможностите си за внедряване на място и на устройства с цел повишаване на поверителността.