前沿音频 AI 公司 Modulate 宣布，获得 Twilio Ventures 及科技创业者、Kayak 联合创始人 Paul English 的新投资，同时其 Velma 音频智能平台也迎来重大升级。此次更新使企业能够实时识别 AI 来电者，并对 AI 语音座席的表现获得更高可见度。上述投资紧随 Modulate 近期公布的由 Future Ventures 领投的 2500 万美元融资，恰逢公司扩展其技术、以应对日益增长的企业需求之际。
在资金已经投入使用的背景下，Modulate 发布了 Velma 音频智能平台的新一轮更新，旨在应对两大交汇趋势：一是由个人 AI 语音助手（如 Meta 的 Muse）拨打的电话数量激增，二是合成语音与深度伪造威胁持续升温。这些更新也让企业能够更清晰地洞察人类与 AI 之间日益复杂的对话过程。
Modulate 最新模型将识别合成语音的中位耗时从 2.25 秒缩短至 1.6 秒，同时在真实场景的 AI 与人类语音通话中保持高于 99.1% 的检测准确率。该技术旨在足够快地识别合成来电者，使企业能在通话仍在进行时，对 AI 生成的来电进行路由、标记或回应。
“我们正走向这样一个阶段：AI 智能体每天都在给企业打电话、与客户交谈、并与其他 AI 智能体互动，”Modulate 首席执行官兼联合创始人 Carter Huffman 在新闻稿中表示。“电话运营方 —— 无论是真人还是 AI 智能体 —— 都必须能够识别对话中正在发生什么，并在互动仍在进行时作出恰当回应。我们专注于为这些挑战提供真正可行的解决方案，使其能够规模化部署，并将成本控制在企业可承受的范围内。”
随着自主语音智能体部署门槛不断降低，企业越来越需要实时区分人类来电者与合成智能体。联络中心及其他语音系统可能希望识别 AI 生成的来电，以便对其采用不同的路由方式、适用不同策略、追踪其行为，或判断是否需要额外的身份验证。
Modulate 的合成语音检测技术直接分析音频底层特征，不依赖各家模型提供方添加的水印，因此能够识别来自众多生成系统的合成语音，包括较新的语音到语音模型和全双工语音模型。
这一能力可与 Velma 更广泛的对话智能相结合，用于反欺诈与安全场景。通过分析意图、操纵性、语气和对话行为等更多信号，Velma 可帮助企业区分合法的 AI 智能体与潜在欺诈或可疑互动。
“随着个人语音智能体在日常事务（比如预订餐厅）中越来越普及，仅仅知道某个声音是合成的，已经不再是有用的指标，”Huffman 在同一份新闻稿中表示。“一个 AI 智能体在正常预约，和一个深度伪造冒充员工，可能都在使用合成语音。企业需要足够的上下文，才能在互动进行时判断该如何处理每一次通话 —— 无论他们管的是一条电话线，还是全球客户支持业务。”
Modulate 还在拓展 Velma 的角色，使其成为面向部署 AI 语音智能体的企业的 “音频原生” 可观测层，从而更深入地了解智能体表现、对话质量，以及互动在哪些环节可能出现中断。
本月，公司为 Velma 新增了十多种音频原生信号，让开发者和企业能更清楚地掌握 AI 主导对话的质量。这些能力可帮助识别仅凭文字记录无法可靠衡量的问题，例如响应时延、音频质量和对话中的误解。
传统智能体分析主要评估 “说了什么”，而 Velma 还会分析音频底层特征以及对话如何展开，包括情绪、节奏、犹豫、强调和对话行为的变化。这些洞察有助于企业评估智能体表现，并找到改善客户体验的机会。
Twilio Ventures 和 Paul English 是最新一批支持 Modulate 进入下一增长阶段的投资方。Twilio Ventures 的加入，使 Modulate 在扩展合成来电识别与 AI 语音智能体表现监测技术的过程中，获得了一家大型通信基础设施提供商的支持。新增资金将用于持续推进 AI 与机器学习研究、产品开发、开发者生态建设、合作伙伴关系，以及拓展 Modulate 音频原生模型的部署方式。
Twilio Ventures 和 Paul English 加入了支持 Modulate 下一增长阶段的投资人行列。此前，该公司刚完成由 Future Ventures 领投、Hyperplane 和 Lakestar 参与的融资。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/73149.html
