Modulate levanta 25 millones para sus modelos de voz y su suite de análisis

Modulate ha levantado 25 millones de dólares. La startup de Boston los destina a su plataforma de voz, un conjunto de más de cien modelos pequeños que hacen transcripción, análisis emocional, detección de deepfakes y de música generada por IA, y control de cumplimiento para agentes de voz en sectores regulados. La ronda la ha liderado Future Ventures, con Hyperplane y Lakestar como participantes.

PitchBook situaba la financiación previa en 41 millones y la valoración en 170 millones antes de esta operación. La empresa la fundaron en 2017 Mike Pappas y Carter Huffman, que se conocieron como estudiantes de física en el MIT. Empezaron modulando voces para videojuegos, pasaron a la moderación de voz —el blog donde presentaron esa herramienta sigue en el archivo de internet— y ahora el negocio está en detectar audio generado y en analizar qué hay detrás de lo que dice quien habla.

Dos familias de modelos

Los más de cien modelos que la compañía tiene en producción se reparten en dos grupos. Los de extracción de señal se ocupan de la emoción vocal, el tono, el idioma y de decidir si la voz es sintética. Los de análisis y detección miran la intención: qué intenta decir el cliente, si está incumpliendo reglas o si trata de estafar a quien tiene al otro lado.

Huffman insiste en que el hueco está en la interpretación, no en la transcripción. «Nuestra lectura del espacio de la voz es que mucha gente hace transcripción, pero no hay ninguna capacidad que capture el matiz completo de una conversación, que es lo que importa cuando hablas con otra persona», dijo a TechCrunch.

El argumento técnico para tirar por modelos pequeños es el coste: no hacen falta aceleradores dedicados ni un volumen alto de cómputo, algo que pesa cuando la factura de tokens sube. También les resulta más rápido entrenar capacidades nuevas, añadirlas al conjunto y dejar que un orquestador las llame cuando hagan falta.

Cumplimiento y despliegue local

Modulate vende sobre todo detección de deepfake y avisos a centros de llamadas cuando huele a estafa. También revisa cómo responden los agentes de IA a los clientes, evalúa la calidad de la llamada y comprueba que se cumplen las normas del sector. En la práctica se coloca junto al stack de voz que ya usa el cliente y analiza las llamadas desde ahí.

El análisis de intención es más fino de lo que sugiere un sentimiento positivo o negativo. «Cuando las empresas piensan en análisis de emoción creen que si el cliente fue neutral o positivo la llamada fue un éxito, y si fue negativo fue un fracaso. Pero muchas veces la gente es educada incluso con agentes de IA, no se muestra enfadada y aun así está muy insatisfecha», dijo Huffman.

Parte de ese trabajo también apunta a ataques que llegan por teléfono. La compañía tiene entre 40 y 45 empleados y quiere incorporar unos diez en los próximos meses para reforzar la construcción de modelos. Su siguiente tarea es ampliar el despliegue on-premise y en dispositivo, que en sectores regulados no es un extra: es la condición para que el cliente pueda usar el producto.