Бостонский стартап Modulate, работающий в сфере речевого искусственного интеллекта, привлёк 25 миллионов долларов в новом раунде финансирования. Платформа компании использует набор небольших моделей, которые обеспечивают транскрипцию, анализ эмоций, выявление дипфейков и сгенерированной ИИ музыки, а также контроль соблюдения правил для голосовых агентов в регулируемых отраслях. Раунд возглавила Future Ventures при участии Hyperplane и Lakestar.
Этот шаг вписывается в популярный среди инвесторов тренд на поддержку компаний, которые стремятся сделать голоса ИИ более человечными. Кроме того, Modulate конкурирует с разработчиками, пытающимися распознавать намерения в разговоре людей, и с теми, кто защищает граждан и организации от звонков с дипфейками, поскольку клонирование голоса сейчас не представляет сложности. Данные PitchBook показывают, что до этого раунда стартап собрал 41 миллион долларов при оценке в 170 миллионов.
Компанию основали в 2017 году Майк Паппас и Картер Хаффман, познакомившиеся на физическом факультете Массачусетского технологического института. Поначалу она занималась модуляцией голоса для игр, но позже переключилась на инструмент модерации на основе речи. С появлением голосовых ИИ-моделей Modulate сосредоточилась на распознавании различных типов сгенерированного аудио и анализе намерений человека по его словам.
«Наше понимание сферы голосового ИИ таково: многие занимаются транскрипцией, но на рынке практически нет решений, которые улавливали бы все нюансы и полный смысл разговора, а это крайне важно при общении с другим человеком», — заявил Хаффман в беседе с TechCrunch. Сегодня компания использует более 100 моделей, разделённых на две основные группы: одни извлекают сигналы для определения эмоций, тона, языка и синтетического голоса, другие анализируют намерения — что хочет сказать клиент, нарушает ли звонящий правила или пытается обмануть собеседника.
По словам Хаффмана, благодаря работе с небольшими моделями компании не требуется специализированное оборудование и большие вычислительные мощности, что может оказаться критично при росте расходов на токены. К тому же ей проще обучать модели с новыми возможностями, добавлять их в набор и подключать оркестратор по мере необходимости. У Modulate разнообразная клиентская база, но особое внимание она уделяет выявлению дипфейков и предупреждению организаций, например колл-центров, о возможном мошенничестве. Компания также следит за тем, как ИИ-агенты отвечают клиентам, оценивая качество звонков и соблюдение нормативных требований, поэтому часто работает параллельно с голосовой инфраструктурой заказчика, просто анализируя разговоры.
Чем активнее предприятия внедряют ИИ в обслуживание клиентов, тем важнее им понимать причины успеха или провала звонка, а значит, оценка намерений и реакции клиента выходит за рамки базового анализа. Хаффман отметил, что Modulate способна предоставлять компаниям детальные данные на этот счёт. «Когда компании думают об анализе эмоций, они считают: если клиент был нейтрален или позитивен, звонок удался, а если негативен — провалился. Но на самом деле люди часто вежливы даже с ИИ-агентами или ботами, они не выглядят разгневанными, однако при этом сильно недовольны», — сказал он. Технология компании также применяется для отслеживания кибератак через голосовые звонки. Сейчас в стартапе работают 40–45 человек, и в ближайшие месяцы он планирует нанять ещё около десяти специалистов для усиления работы над моделями, а также расширяет возможности локального и устройственного развёртывания ради повышения приватности.