MALUKU UTARA — Startup voice intelligence asal Boston, Modulate, mengantongi pendanaan baru senilai US$25 juta untuk platform deteksi deepfake dan penipuan berbasis suara. Ronde ini dipimpin Future Ventures dengan partisipasi Hyperplane dan Lakestar, menambah total pendanaan sebelum ronde ini menjadi US$41 juta pada valuasi US$170 juta. Langkah Modulate menyasar celah yang jarang digarap pesaing: memahami nuansa percakapan, bukan sekadar transkripsi.
Modulate didirikan pada 2017 oleh Mike Pappas dan Carter Huffman, dua sahabat yang bertemu saat menempuh studi fisika di MIT. Awalnya perusahaan ini fokus menyediakan voice modulation untuk industri gaming, sebelum beralih ke alat moderasi berbasis suara. Kini fokusnya bergeser lagi ke deteksi berbagai bentuk audio hasil generasi AI dan analisis maksud di balik ucapan seseorang.
Platform Modulate menjalankan lebih dari 100 model kecil yang terbagi dalam dua kategori besar. Pertama, model signal extraction yang membaca emosi vokal, nada, bahasa, dan menentukan apakah suara bersifat sintetis. Kedua, model analysis/detection yang menilai maksud pembicara, apakah penelepon melanggar aturan, atau apakah ia sedang berupaya menipu penerima.
Pendekatan model kecil ini membuat Modulate tidak membutuhkan perangkat keras khusus maupun daya komputasi besar. Menurut Huffman, hal itu menjadi penting ketika biaya token meningkat. Model-model baru juga lebih mudah dilatih, ditambahkan ke kumpulan, lalu dipanggil oleh orkestrator saat dibutuhkan.
Modulate memiliki basis pelanggan yang beragam, tetapi spesialisasinya adalah deteksi deepfake dan memberi peringatan dini kepada organisasi seperti call center soal potensi penipuan. Perusahaan ini juga memantau bagaimana AI agent merespons pelanggan untuk menilai kualitas panggilan, sekaligus memastikan AI mematuhi aturan kepatuhan di sektor teregulasi.
Karena fungsi-fungsi itu, Modulate kerap diposisikan berdampingan dengan voice stack yang dipakai perusahaan, hanya untuk menganalisis panggilan. Teknologinya juga dimanfaatkan untuk memantau serangan siber yang dilakukan lewat panggilan suara.
Huffman menyoroti kelemahan analisis emosi konvensional yang sering dipakai perusahaan. Menurut dia, perusahaan cenderung menganggap panggilan berhasil jika pelanggan bersikap netral atau positif, dan gagal jika pelanggan negatif. Padahal, banyak pelanggan tetap bersikap sopan kepada AI agent atau bot meski sebenarnya sangat tidak puas.
"I think when companies think of emotion analysis, they think if the customer was neutral or positive, the call was a success, and if the customer was negative, the call was a failure. But actually, many times people will be polite even to, like, AI agents or bots. Right. And they won't come across as angry, but they'll be very dissatisfied," ujar Huffman dalam panggilan dengan TechCrunch.
Huffman juga menegaskan bahwa sebagian besar pemain di ruang voice AI hanya menggarap transkripsi. Menurut dia, belum ada kapabilitas yang benar-benar menangkap nuansa dan pemahaman utuh sebuah percakapan, padahal itu krusial saat berbicara dengan manusia lain.
"Our insight into the voice AI space is that a lot of folks are doing transcription, but there's not really any capability out there that gets the full nuance and full understanding of a conversation, which is so important when you're talking to another human being," kata Huffman.
Modulate saat ini mempekerjakan 40-45 orang dan berencana menambah sekitar 10 personel dalam beberapa bulan mendatang untuk memperkuat tim pembangunan model. Perusahaan juga tengah mengembangkan kemampuan deployment on-premises dan on-device demi meningkatkan privasi.
Pendanaan ini mengikuti tren investor di industri voice AI yang tengah tumbuh: membiayai perusahaan yang berupaya membuat suara AI terdengar lebih manusiawi. Modulate bersaing dengan perusahaan lain yang mencoba mendeteksi maksud di balik percakapan manusia lewat analisis, sekaligus mereka yang berupaya melindungi individu dan korporasi dari panggilan deepfake, seiring makin mudahnya kloning suara.