波士顿AI公司Modulate近日完成2500万美元融资，由Future Ventures领投，Hyperplane和Lakestar参投。至此，该公司累计融资额达6000万美元。
Modulate由Mike Pappas和Carter Huffman联合创立，两人相识于麻省理工学院（MIT）。公司早期凭借ToxMod系统在游戏领域崭露头角，自2023年起协助《使命召唤》进行语音聊天审核。2022年，Modulate曾获得由Lakestar领投的3000万美元A轮融资。
从游戏审核到全场景语音智能
随着语音成为AI主要交互界面，Modulate正将技术版图扩展至欺诈预防、客户服务及AI语音代理验证等领域。CEO Carter Huffman指出，语音交互带来了一系列仅靠文本转录无法解决的难题。
公司核心产品Velma能直接分析音频信号，实时识别情绪、语调、意图、重音及合成声音特征。与依赖单一大型模型不同，Velma采用“集成监听模型”（Ensemble Listening Model），针对特定任务组合100多个小型专用音频模型。
据Modulate数据，该架构效率比单一大模型高出多达1000倍，在识别真实问题上的准确率是通用大语言模型的两倍，误报率低七倍。在公开基准测试中，其转录模型今年7月登顶Hugging Face自动语音识别（ASR）排行榜；深度伪造检测器自3月以来稳居Hugging Face语音深伪竞技场榜首，等错误率仅为1.1%。批量转录成本低至每小时0.03美元。
防御深伪欺诈，月处理千万小时音频
面对日益成熟的语音克隆欺诈威胁，Modulate的技术已应用于医院等高风险场景，防御深度伪造来电。目前，该系统每月处理超1000万小时音频，累计分析时长突破6亿小时。此外，公司还提供语音掩蔽功能以保护员工，并能检测对话中的儿童诱骗行为。
Future Ventures联合创始人Steve Jurvetson认为，Modulate在“原生音频AI”领域具备显著技术领先优势，需求正从游戏快速延伸至AI代理、安全及客户体验市场。
本轮资金将用于研发及工程团队扩充，并通过推出新的SDK、API及合作伙伴集成吸引开发者，使企业能直接调用音频理解能力，无需自行训练模型。