新聞

語音AI新創公司Modulate宣布取得2,500萬美元新一輪投資，使累計募資金額達6,000萬美元。該公司表示，這筆資金將投入AI模型、產品及工程開發；目前其音訊分析技術已應用於深偽（Deepfake）偵測、AI語音代理監督等領域。

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，利用音訊分析技術辨識線上遊戲及社群平臺中的騷擾、兒童誘騙等行為。該公司之後也將這類技術拓展至企業語音安全及AI語音代理監督，例如分析AI代理與客戶的對話，找出不符合企業作業規範或法規遵循要求的情況。

這些音訊分析功能主要透過Velma平臺提供。除了將語音轉成文字，Velma也直接分析音訊本身，辨識說話者的情緒、語調、意圖及強調方式，也會檢查是否出現合成語音及特定對話行為，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，部分分析與偵測功能可在對話進行期間即時運作。

Velma底層採用Ensemble Listening Model（ELM）架構。這套架構不以單一大型模型處理所有音訊，而是依不同任務從超過100個專用模型中選用適合的模型，再整合分析結果。

在企業語音詐騙防制方面，Modulate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，也能辨識僅部分片段遭到操弄的音訊。企業可將偵測結果整合至客服、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後複核。

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排名第一。應用情境包括在客服電話中防範帳號接管、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。