Modulate تحصل على استثمارات من Twilio Ventures وتسرّع رصد الأصوات المولّدة بالذكاء الاصطناعي

أعلنت Modulate عن استثمارات جديدة من Twilio Ventures وبول إنجليش، الشريك المؤسس لشركة Kayak، بالتزامن مع توسيع نطاق التقنيات التي يمكن للشركات استخدامها للتعرّف على المتصلين بأصوات اصطناعية والإشراف على وكلاء الصوت المدعومين بالذكاء الاصطناعي. وتقول الشركة إن أحدث نماذجها تستطيع التعرّف على صوت مولّد بالذكاء الاصطناعي خلال 1.6 ثانية في المتوسط، مقارنةً بـ 2.25 ثانية سابقًا، مع الحفاظ على دقة رصد تتجاوز 99.1% في تقييمها لمكالمات واقعية بالذكاء الاصطناعي والبشر.

يأتي هذا الاستثمار بعد جولة تمويل Modulate بقيمة 25 مليون دولار، التي أُعلن عنها في سبتمبر بقيادة Future Ventures وبمشاركة Hyperplane وLakestar. ولم تكشف الشركة عن حجم الاستثمارات الإضافية. وبالتوازي مع التمويل، تضيف الشركة إلى منصتها Velma أكثر من اثنتي عشرة إشارة صوتية أصلية، لمساعدة المؤسسات على فهم هوية المتصل—أو طبيعته—وكيفية سير المحادثة التي يقودها الذكاء الاصطناعي.

يكتسب هذا التمييز أهمية محورية في أتمتة الاتصالات الصوتية. فقد يكون المتصل بصوت اصطناعي مساعدًا مفيدًا يحجز موعدًا، أو صوتًا مستنسخًا يحاول انتحال شخصية شخص آخر. ويوفّر رصد الكلام المولّد جزءًا من الأدلة، لكن تحديد كيفية التعامل مع المكالمة يتطلب فهمًا أوسع لسلوكها وسياقها.

رصد أسرع بينما لا تزال المكالمة جارية

تقول Modulate إن تقليص متوسط زمن الرصد يتيح للشركات التعرّف على الكلام الاصطناعي في وقت مبكر بما يكفي لتوجيه المكالمة أو الإشارة إليها للمراجعة أو تطبيق إجراءات تحقق إضافية بينما تستمر المحادثة. ويفحص نظامها الصوت نفسه من دون الاعتماد على العلامات المائية التي تدرجها الجهات المقدمة لخدمات توليد الأصوات، بما في ذلك نماذج تحويل الكلام إلى كلام الأحدث ونماذج الاتصال مزدوج الاتجاه بالكامل.

يمثل الانتقال من 2.25 إلى 1.6 ثانية انخفاضًا بنحو 29% في المتوسط الذي أبلغت عنه الشركة. وهذا مقياس لزمن الرصد، وليس ضمانًا لتصنيف كل مكالمة خلال تلك المدة أو لإتمام سير عمل أمني كامل بهذه السرعة. ولا يتضمن الإعلان حجم عينة التقييم أو تفاصيل الإيجابيات والسلبيات الكاذبة التي تستند إليها نسبة الدقة التي تتجاوز 99.1%.

قال كارتر هوفمان، الرئيس التنفيذي والشريك المؤسس لشركة Modulate: «يجب أن يتمكن مشغّلو المكالمات، سواء أكانوا بشرًا أم وكلاء ذكاء اصطناعي، من إدراك ما يجري في تلك المحادثات والاستجابة على النحو المناسب بينما لا يزال التفاعل مستمرًا».

تتمثل الفائدة التشغيلية لمراكز الاتصال في إمكانية التدخل قبل انتهاء المحادثة. فالتحذير الذي يصل بعد تغيير الحساب أو الإفصاح عن معلومات حساسة يؤدي غرضًا مختلفًا عن إشارة متاحة أثناء التفاعل.

كيف تجمع Velma بين نماذج صوتية متخصصة

تستخدم Velma ما تسميه Modulate نموذج الاستماع التجميعي، أو ELM، وهو تصميم ينسّق بين نماذج متخصصة بدلًا من الاعتماد كليًا على نموذج واحد متعدد الأغراض لتفسير النص المفرغ. وتقول الشركة إن نظامها يجمع أكثر من 100 نموذج تغطي إشارات مثل المشاعر والنبرة والقصد والإيقاع والكلام الاصطناعي والسلوك الحواري.

يوضح وصف المنتج أن طبقة تنسيق تجمع الإشارات ذات المستوى الأدنى لإنتاج تقييمات أعلى مستوى، مع الإبقاء على روابط تؤدي إلى الأدلة الأساسية. ويمكن للأحداث الموسومة زمنيًا أن تحدد موضع حدوث تغير في المحادثة، فتمنح فريق العمليات نقطة محددة لمراجعتها بدلًا من درجة مخاطر للمكالمة بأكملها من دون تفسير.

ينقل النص المفرغ الكلمات، لكنه لا يحفظ كل وقفة أو مقاطعة أو تغير في التشديد أو نمط في طريقة الإلقاء. ويضيف نهج Modulate معلومات صوتية إلى التحليل، كي يتمكن المطورون من دراسة كيفية سير المحادثة إلى جانب ما يقوله المشاركون.

يوضح توثيق الشركة لرصد التزييف العميق هذا التمييز على مستوى واجهة برمجة التطبيقات. فهو يصف تصنيفًا صوتيًا لمقاطع صوتية يتضمن حدودًا زمنية وأحكامًا ودرجات ثقة، ويدعم الملفات المسجلة والبث المباشر. ودرجة الثقة في الرصد دليل يدعم التصنيف، وليست إثباتًا لهوية المتصل أو نواياه.

الكلام الاصطناعي لا يعني الاحتيال

تفصل Modulate بوضوح بين هذين السؤالين في دليل فحص الاحتيال الصوتي: إذ يقيّم رصد التزييف العميق ما إذا كان الصوت اصطناعيًا، بينما يحلل تحليل المحادثة السلوك. فقد يستخدم مساعد ذكاء اصطناعي شرعي كلامًا مولّدًا، وقد يحاول متصل بشري ممارسة الهندسة الاجتماعية من دون أي توليد صوتي.

ويهم هذا التمييز أيضًا الأشخاص الذين يستخدمون تقنيات الكلام المساعدة. فمجرد الإشارة إلى أن الصوت اصطناعي لا يكفي لاعتبار المتصل خبيثًا. وتقول Modulate إن Velma تستطيع، في الإصدار الجديد، الجمع بين تلك الإشارة وإشارات مرتبطة بالقصد والتلاعب والنبرة والسلوك الحواري، بما يدعم التعامل مع المكالمات على أساس معلومات أشمل.

والهدف العملي هو اعتماد استجابة متدرجة: توجيه عادي للأتمتة المسموح بها، وتحقق إضافي عندما تستدعيه المعاملة، وتصعيد الأمر عندما تنطوي المحادثة على سلوك مريب. يوفّر نظام الرصد الأدلة، بينما تحدد سياسات المؤسسة كيفية الاستجابة.

مراقبة جودة وكلاء الصوت المدعومين بالذكاء الاصطناعي

تستهدف إشارات Velma الجديدة أيضًا مشكلة أقل إثارة، لكنها مهمة تجاريًا: فقد يبدو وكيل الذكاء الاصطناعي فصيحًا، بينما يقدّم تجربة خدمة متدنية. وتقول Modulate إن الإضافات تساعد على تقييم توقيت الاستجابة وجودة الصوت وسوء الفهم في المحادثات، وهي أمور قد تفوت التحليلات التي تعتمد على النصوص المفرّغة وحدها.

تصف الشركة Velma في صفحة ضوابط الذكاء الاصطناعي بأنها تراقب المشاركين بدلًا من أن تعمل هي نفسها وكيلًا للمحادثة. ويمكن للعملاء ضبط المراقبة وفقًا لإجراءات التشغيل والسلوك المتوقع، ثم إرسال الإشارات إلى الأنظمة القائمة عبر واجهات برمجة التطبيقات وخطافات الويب.

يفصل ذلك بين النظام الذي يتحدث والنظام الذي يقيّم التفاعل. ويتيح للفرق تقصّي الحالات التي يتسبب فيها الوكيل بالإحباط، أو يتجاوز السياسات، أو لا يستجيب على النحو المناسب، والاستفادة من هذه النتائج لتحسين النشر.

دعم Twilio يعزز علاقة قائمة

تركّز Twilio Ventures على الذكاء الاصطناعي وأدوات المطورين وشركات تفاعل العملاء، ما يجعل ذكاء الصوت ذا صلة بنطاق استثماراتها. وترتبط Modulate تقنيًا بـTwilio منذ فترة؛ إذ أعلن إعلان مايو 2025 عن توافق منتجَي VoiceVault وToxMod مع Twilio، بما في ذلك واجهات برمجة تطبيقات متوافقة مع Twilio Media Streams لإدخال صوت المكالمات المباشرة إلى أنظمتها.

يستند الاستثمار الجديد إلى هذه العلاقة، لكن الإعلان لا يثبت إبرام اتفاقية توزيع حصرية جديدة. وتقول Modulate إن التمويل سيدعم الأبحاث وتطوير المنتجات وتبنّي المطورين والشراكات وخيارات النشر الأوسع.

جعل إعلان التمويل في سبتمبر الأولويات نفسها محور توسع الشركة ليتجاوز تطبيقاتها السابقة في مجال سلامة الصوت. ومن خلال هذا التحديث، تقرّب الشركة بين الكشف والإشراف، فتساعد المؤسسات على التعرّف على الكلام المُولّد، وفحص السلوك المحيط به، وتقييم مدى أداء وكلاء الصوت لديها للمهمة المنشودة.