Modulate прыцягнула $25 млн: галасавы ШІ ідзе з гульняў у банкаўскія званкі

28 верасня 2026 года бостанская Modulate абвясціла пра прыцягненне $25 млн: раўнд узначаліла Future Ventures, у ім удзельнічалі Hyperplane і Lakestar, а сукупнае фінансаванне, паводле кампаніі, дасягнула $60 млн. Капітал прызначаны для даследаванняў аўдыямадэляў, інжынернай працы, інструментаў для распрацоўшчыкаў і партнёрскіх інтэграцый. Разам з раўндам Modulate прасоўвае тэхналогію, вядомую па мадэрацыі гульнявых размоў, на рынак аналізу кліенцкіх званкоў, барацьбы з галасавым махлярствам і кантролю ШІ-агентаў.

Змена мае выразны камерцыйны сэнс: арганізацыям, якія абслугоўваюць людзей па тэлефоне, патрэбна разумець не толькі словы абанента, але і тое, што адбываецца ў жывой размове. Публікацыя The Next Web адзначае мадэрацыю чату Call of Duty сістэмай ToxMod і прыводзіць словы кіраўніка Modulate Картэра Хафмана: «Voice is becoming a primary interface for AI». Для фінансавага сектара гэта адкрывае сцэнары выяўлення падмененага голасу і падазроных паводзін падчас званка; публічна названага банка-кліента ў паведамленнях пра раўнд няма.

Як гульнявая мадэрацыя прывяла да Velma

Першы выразны попыт на тэхналогію Modulate прыйшоў з гульняў і сацыяльных пляцовак. ToxMod аналізуе галасавыя чаты, каб знаходзіць пагрозы, цкаванне і іншыя шкодныя паводзіны, дзе сэнс залежыць ад інтанацыі, адказаў іншых удзельнікаў і папярэдняга ходу размовы. У такім асяроддзі просты спіс забароненых слоў лёгка прапускае пагрозу, сказаную абыходнымі выразамі, і можа памылкова прыняць дружалюбны жарт за парушэнне. Патрэба адрозніваць гэтыя сітуацыі і стала асновай для шырэйшага аналізу аўдыя.

Гульнявы напрамак не знік з прапановы кампаніі. Ён даў практычную базу для працы з шумам, перапыненнямі, рознымі мікрафонамі і адначасовымі рэплікамі — з тым, што сустракаецца і ў звычайным тэлефонным абслугоўванні. Але ў кантакт-цэнтры вынік аналізу патрэбны для іншых рашэнняў: заўважыць магчымы падман, зразумець прычыну няўдалага звароту або выявіць збой у адказе аўтаматычнага памочніка. Адна і тая ж кампетэнцыя ў распазнаванні паводзін атрымлівае новы рынак, хоць правілы дзеяння пасля сігналу задае ўжо арганізацыя-кліент.

Чаму гуку недастаткова ператварыцца ў тэкст

Velma аналізуе аўдыя непасрэдна і збірае прыкметы, якія транскрыпт не захоўвае: тон, націск, эмоцыю, паўзы, змену суразмоўцаў і прыкметы сінтэтычнага маўлення. Словы могуць быць цалкам звычайнымі, калі чалавек выдае сябе за іншага або калі кліент ветліва адказвае агенту, але ўжо расчараваны размовай. Таму распазнаванне маўлення дапамагае зразумець змест, а гукавыя прыкметы дадаюць кантэкст і магчымы сігнал рызыкі. Гэтыя сігналы можна выкарыстоўваць падчас самога званка, калі яшчэ ёсць час перадаць размову чалавеку або пачаць дадатковую праверку.

Паводле рэпартажу TechCrunch, Modulate выкарыстоўвае больш за 100 спецыялізаваных мадэляў, мае 40–45 супрацоўнікаў і плануе наняць яшчэ 10 для распрацоўкі мадэляў. Частка мадэляў вызначае ўласцівасці голасу і сінтэтычнае маўленне, іншая ацэньвае намер, магчымую спробу махлярства і захаванне правіл галасавым агентам. Гэта важна для разумення раўнда: Modulate фінансуе не адзін інструмент для транскрыпцыі, а набор кампанентаў, якія можна спалучаць пад патрэбы розных галасавых сэрвісаў.

Дзе Modulate шукае попыт за межамі гульняў

У фінансавым званку ёсць дзве розныя праблемы. Першая — ці сапраўдны голас таго, хто называе сябе кліентам або ўпаўнаважанай асобай; другая — ці паказвае сам ход размовы на спробу маніпуляцыі. Выяўленне сінтэтычнага маўлення адказвае на частку першага пытання, а аналіз намеру і паводзін дапамагае разглядаць другое. Гэта дадатковыя сігналы для працэдуры бяспекі, а не самастойнае пацвярджэнне асобы або доказ махлярства. Адсюль і розніца паміж заявай пра магчымасць для банкаў і паведамленнем пра рэальнае ўкараненне ў пэўным банку.

Кантакт-цэнтры — шырэйшы рынак для той самай тэхналогіі. Падчас размовы сістэма можа заўважыць, што кліент не атрымаў адказу, што яго не зразумелі або што ён страчвае цярпенне, нават калі скарга не прагучала адкрыта. Калі званок вядзе галасавы ШІ-агент, аналіз становіцца сродкам нагляду за яго працай: ці выконвае ён правілы, ці не перабівае чалавека, ці здольны адрэагаваць на прыкметы незадаволенасці. Для пастаўшчыка такога агента гэта асобная задача ад навучання самога бота гаварыць натуральна.

Што зменіць новы капітал

Modulate збіраецца пашыраць мадэлі, API, наборы інструментаў для распрацоўшчыкаў і варыянты разгортвання, а таксама ўкладваць сродкі ў партнёрствы. Такая мадэль продажу дазваляе іншым кампаніям дадаваць аналіз голасу ў свае прадукты, не ствараючы спецыялізаваныя мадэлі з нуля. Асабліва істотная магчымасць інтэграцыі там, дзе галасавы агент або сістэма запісу званкоў ужо працуе: аўдыяаналіз можа быць асобным пластом побач з існым працэсам, а не заменай усёй тэлефоннай інфраструктуры.

Тэхнічнае і камерцыйнае выпрабаванне цяпер пераходзіць у розныя асяроддзі адразу. Гульнявы чат, банкаўская праверка і размова кліента з аўтаматычным памочнікам патрабуюць розных парогаў папярэджання і розных наступных дзеянняў. Залішняя колькасць сігналаў запавольвае абслугоўванне, а прапушчаная падмена голасу можа пакінуць аператара без важнай падказкі. Таму найбольш паказальным наступным фактам будуць названыя ўкараненні і іх вынікі ў рэальных кантакт-цэнтрах: яны дазволяць ацаніць, дзе аўдыяналіз дае карысць у працоўным патоку, а дзе застаецца толькі тэхнічнай магчымасцю.