語音AI新創公司Modulate宣布完成新一輪2,500萬美元募資，累計募資金額達到6,000萬美元。這筆資金將投入AI模型、產品與工程開發，協助公司把音訊分析技術從遊戲語音安全，擴展到深偽偵測與AI語音代理監督等企業級應用。
Modulate成立於2017年，最初投入遊戲語音變聲技術，之後轉向遊戲語音內容管理，利用音訊分析辨識線上遊戲及社群平台中的騷擾、兒童誘騙等行為，守護玩家的語音互動環境。
隨著技術成熟，公司把這套能力延伸到企業語音安全與AI語音代理監督，例如分析AI代理與客戶的對話，找出不符合企業規範或法規要求的情況。
這些音訊分析功能主要透過Velma平台提供。除了把語音轉成文字，Velma也會直接分析音訊本身，辨識說話者的情緒、語調、意圖及強調方式，還會檢查是否出現合成語音或特定的對話行為。
平台再綜合這些訊號，找出詐騙、騷擾、客戶不滿或AI代理運作異常等情況，部分功能可在對話進行期間即時運作。
Velma底層採用Ensemble Listening Model架構，不以單一大型模型處理所有音訊，而是依照不同任務，從超過100個專用模型中選用適合的模型，再整合分析結果，兼顧準確度與運算效率。
在企業語音詐騙防制方面，Modulate在今年3月底推出Velma Deepfake Detect，透過API提供合成語音偵測，可處理批次音訊及即時串流，也能辨識只有部分片段遭操弄的音訊。
企業可把偵測結果整合到客服、身分驗證或詐騙防制流程，再據此決定是否要求二次驗證、轉交其他流程、提高處理層級，或在通話結束後複核，形成完整的防詐閉環。
Modulate在9月28日公布募資消息時表示，Velma Deepfake Detect在公開基準測試資料達到98.9%準確率，並稱該技術在Hugging Face的深偽語音基準測試中排名第一，展現技術實力。
應用情境包括在客服電話中防範帳號接管、在高價值交易驗證時偵測合成語音，以及讓客服中心即時發現疑似詐騙來電，涵蓋金融、電信等高度仰賴語音服務的產業。
隨著AI語音合成技術愈來愈逼真，語音詐騙的門檻不斷降低，企業對深偽偵測的需求正在快速升溫。Modulate從遊戲跨足企業安全，等於切入了一個持續成長的剛性市場。
接下來值得關注的是，Velma平台在實際企業場景中的採用表現，將決定這家語音AI新創能否在防詐賽道站穩腳步。
