Modulate recaudó US$25 millones para sus modelos de voz y detección de deepfakes

La startup de inteligencia de voz Modulate, con sede en Boston, recaudó US$25 millones en una nueva ronda de financiamiento. La empresa usa un conjunto de modelos pequeños para ofrecer a las compañías transcripción, análisis emocional, detección de deepfakes y de música generada por IA, además de control de políticas para agentes de voz en industrias reguladas.

La ronda fue liderada por Future Ventures, con participación de Hyperplane y Lakestar. Según datos de PitchBook, la compañía había levantado US$41 millones a una valuación de US$170 millones antes de esta operación.

El movimiento sigue una tendencia marcada entre los inversores del sector de voz con IA: apostar por empresas que buscan que las voces sintéticas suenen más humanas. También compite con firmas que intentan detectar la intención detrás de una conversación y con aquellas que protegen a personas y empresas de llamadas con deepfakes, en un contexto donde clonar una voz es cada vez más simple.

Modulate fue fundada en 2017 por Mike Pappas y Carter Huffman, que se conocieron como estudiantes de física en el MIT. En sus primeros años se dedicó a la modulación de voz para videojuegos. Después viró hacia una herramienta de moderación basada en voz y, con la irrupción de los modelos de voz con IA, puso el foco en detectar audio generado por inteligencia artificial y analizar la intención detrás de las palabras de una persona.

“Nuestra lectura del espacio de voz con IA es que mucha gente hace transcripción, pero no existe realmente una capacidad que capture el matiz completo y la comprensión total de una conversación, algo clave cuando hablás con otro ser humano”, dijo Huffman en diálogo con TechCrunch.

La empresa opera hoy más de 100 modelos, divididos en dos grandes grupos. Por un lado, los de extracción de señales, que interpretan emoción vocal, tono, idioma y determinan si una voz es sintética. Por el otro, los de análisis y detección, que evalúan la intención: qué quiere decir el cliente, si quien llama viola reglas o si intenta estafar al receptor.

Huffman explicó que, al trabajar con modelos más chicos, la compañía no necesita hardware especializado ni una enorme capacidad de cómputo, algo que puede volverse decisivo si suben los costos por tokens. Además, le resulta más fácil entrenar modelos con nuevas capacidades, sumarlos al conjunto y tener un orquestador que los convoque cuando haga falta.

Modulate tiene una base de clientes variada, pero se especializa en detección de deepfakes y en alertar a organizaciones como los call centers sobre una posible estafa. También monitorea cómo responden los agentes de IA a los clientes para evaluar la calidad de las llamadas y verifica que la IA cumpla con las normas en áreas reguladas. Por esos productos, la empresa suele ubicarse al lado del stack de voz que usa una compañía, solo para analizar las llamadas.

A medida que más empresas adoptan atención al cliente con IA, se vuelve importante saber por qué una llamada fue exitosa o un fracaso. En ese punto, medir la intención y la respuesta del cliente pasa a ser crítico más allá del análisis básico. Huffman aseguró que Modulate puede dar datos detallados a las empresas sobre ese aspecto.

“Creo que cuando las compañías piensan en análisis de emoción, piensan que si el cliente fue neutral o positivo, la llamada fue un éxito, y si fue negativo, fue un fracaso. Pero en realidad, muchas veces la gente es amable incluso con agentes de IA o bots. No se muestra enojada, pero está muy insatisfecha”, sostuvo.

La empresa también afirma que su tecnología se usa para monitorear ciberataques a través de llamadas de voz. Hoy tiene entre 40 y 45 empleados y planea sumar 10 personas en los próximos meses para reforzar la construcción de modelos. Modulate trabaja además en ampliar sus capacidades de despliegue en servidores propios y en dispositivos, con el objetivo de mejorar la privacidad.