Modulate को Twilio Ventures का निवेश समर्थन और AI आवाज़ की तेज़ पहचान मिली

Modulate ने Twilio Ventures और Kayak के सह-संस्थापक Paul English से नए निवेश मिलने की घोषणा की है। कंपनी उस तकनीक का विस्तार कर रही है जिसका इस्तेमाल व्यवसाय कृत्रिम आवाज़ वाले कॉलरों की पहचान करने और AI वॉइस एजेंटों की निगरानी के लिए कर सकते हैं। कंपनी का कहना है कि उसके नवीनतम मॉडल AI से बनी आवाज़ की पहचान अब औसतन 1.6 सेकंड में कर सकते हैं, जबकि पहले इसमें 2.25 सेकंड लगते थे। साथ ही, वास्तविक दुनिया के AI और मानव कॉलों के उसके मूल्यांकन में पहचान की सटीकता 99.1% से अधिक बनी हुई है।

यह निवेश सितंबर में घोषित Modulate के 25 मिलियन डॉलर के वित्तपोषण के बाद आया है। उस दौर का नेतृत्व Future Ventures ने किया था और इसमें Hyperplane तथा Lakestar ने भी भाग लिया था। कंपनी ने अतिरिक्त निवेश की राशि का खुलासा नहीं किया है। वित्तपोषण के साथ-साथ, वह अपने Velma प्लेटफ़ॉर्म में एक दर्जन से अधिक ऑडियो-आधारित संकेत जोड़ रही है, ताकि उद्यम यह समझ सकें कि कॉल कौन—या क्या—कर रहा है और AI के नेतृत्व में चल रही बातचीत किस तरह आगे बढ़ रही है।

आवाज़ के ज़रिए स्वचालन में यह अंतर अब केंद्रीय भूमिका निभाने लगा है। कृत्रिम आवाज़ वाला कॉलर अपॉइंटमेंट लेने वाला उपयोगी सहायक हो सकता है, या किसी की आवाज़ की नकल करके उसकी पहचान का धोखे से इस्तेमाल करने की कोशिश कर सकता है। बनी हुई आवाज़ का पता लगाना एक तरह का सबूत देता है; लेकिन कॉल के साथ क्या करना है, यह तय करने के लिए उसके व्यवहार और संदर्भ की व्यापक समझ ज़रूरी है।

कॉल जारी रहने के दौरान तेज़ पहचान

Modulate का कहना है कि पहचान में लगने वाले औसत समय में कमी से व्यवसाय बातचीत जारी रहते हुए ही कृत्रिम आवाज़ की पहचान कर सकते हैं और कॉल को कहीं और भेज सकते हैं, समीक्षा के लिए चिह्नित कर सकते हैं या अतिरिक्त सत्यापन कर सकते हैं। इसका सिस्टम अलग-अलग वॉइस जनरेशन प्रदाताओं द्वारा डाले गए वॉटरमार्क पर निर्भर हुए बिना मूल ऑडियो की जाँच करता है। इसमें नए स्पीच-टू-स्पीच और फुल-डुप्लेक्स मॉडल भी शामिल हैं।

2.25 से 1.6 सेकंड तक की कमी कंपनी द्वारा बताई गई औसत अवधि में लगभग 29% की गिरावट दर्शाती है। यह पहचान में लगने वाले समय का माप है; इसका यह आश्वासन नहीं है कि हर कॉल को इसी अवधि में वर्गीकृत कर लिया जाएगा या पूरी सुरक्षा प्रक्रिया इतनी जल्दी पूरी हो जाएगी। घोषणा में मूल्यांकन के नमूने का आकार या 99.1% से अधिक सटीकता के आँकड़े के पीछे गलत सकारात्मक और गलत नकारात्मक परिणामों का ब्योरा नहीं दिया गया है।

Modulate के CEO और सह-संस्थापक Carter Huffman ने कहा, “कॉल संचालकों—चाहे वे इंसान हों या AI एजेंट—को बातचीत के दौरान समझना चाहिए कि क्या हो रहा है और बातचीत जारी रहते हुए ही उचित प्रतिक्रिया देनी चाहिए।”

संपर्क केंद्रों के लिए इसका परिचालन लाभ यह है कि बातचीत खत्म होने से पहले हस्तक्षेप किया जा सकता है। खाते में बदलाव या संवेदनशील जानकारी का खुलासा हो जाने के बाद मिलने वाली चेतावनी का उद्देश्य उस संकेत से अलग होता है जो बातचीत के दौरान ही उपलब्ध हो।

Velma विशेष ऑडियो मॉडल को कैसे जोड़ता है

Velma उस प्रणाली का इस्तेमाल करता है जिसे Modulate समूह श्रवण मॉडल या ELM कहता है। यह एक ऐसी संरचना है जिसमें किसी प्रतिलेख को समझने के लिए पूरी तरह एक ही सर्व-उद्देश्यीय मॉडल पर निर्भर रहने के बजाय विशेष मॉडल आपस में तालमेल करके काम करते हैं। कंपनी का कहना है कि उसका सिस्टम भावना, लहजे, मंशा, बोलने की गति और ढंग, कृत्रिम आवाज़ तथा बातचीत के व्यवहार जैसे संकेतों को समझने वाले 100 से अधिक मॉडल एक साथ लाता है।

उत्पाद के विवरण के मुताबिक, समन्वय की एक परत निचले स्तर के संकेतों को जोड़कर उच्च स्तर के आकलन तैयार करती है और साथ ही मूल सबूतों से उनके संबंध बनाए रखती है। समय-मुद्रित घटनाएँ बता सकती हैं कि बातचीत में बदलाव कहाँ आया, जिससे परिचालन दल को अस्पष्ट, पूरी कॉल के लिए दिए गए जोखिम अंक के बजाय किसी विशिष्ट पहलू की समीक्षा करने का आधार मिलता है।

प्रतिलेख में बोले गए शब्द दर्ज होते हैं, लेकिन हर ठहराव, बीच में बोलने, ज़ोर देने के तरीके में बदलाव या बोलने की शैली का ब्यौरा उसमें नहीं रहता। Modulate का तरीका विश्लेषण में ध्वनिक जानकारी जोड़ता है, ताकि डेवलपर यह जाँच सकें कि प्रतिभागी क्या कहते हैं और साथ ही बातचीत किस तरह आगे बढ़ती है।

कंपनी का डीपफेक पहचान संबंधी दस्तावेज़ API के स्तर पर इस अंतर को स्पष्ट करता है। इसमें ऑडियो के अंशों का ध्वनिक वर्गीकरण बताया गया है, जिसमें समय-सीमाएँ, निष्कर्ष और विश्वास-स्तर के अंक शामिल हैं। यह रिकॉर्ड की गई फ़ाइलों और लाइव स्ट्रीम, दोनों का समर्थन करता है। पहचान के विश्वास-स्तर का अंक किसी वर्गीकरण के पक्ष में सबूत है, न कि कॉल करने वाले की पहचान या मंशा का प्रमाण।

कृत्रिम आवाज़ का मतलब धोखाधड़ी नहीं

Modulate अपनी आवाज़ के ज़रिए धोखाधड़ी की जाँच संबंधी मार्गदर्शिका में इन दोनों सवालों को स्पष्ट रूप से अलग रखता है: डीपफेक पहचान यह जाँचती है कि आवाज़ कृत्रिम है या नहीं, जबकि बातचीत का विश्लेषण व्यवहार को परखता है। कोई वैध AI सहायक कृत्रिम आवाज़ का इस्तेमाल कर सकता है; वहीं, कोई मानव कॉलर आवाज़ को कृत्रिम बनाए बिना भी सोशल इंजीनियरिंग की कोशिश कर सकता है।

यह अंतर उन लोगों के लिए भी अहम है जो सहायक वाणी तकनीक का इस्तेमाल करते हैं। केवल कृत्रिम आवाज़ का संकेत मिलना कॉल करने वाले को दुर्भावनापूर्ण मानने का पर्याप्त कारण नहीं है। नए संस्करण में, Modulate का कहना है कि Velma इस संकेत को मंशा, हेरफेर, लहजे और बातचीत के व्यवहार से जुड़े संकेतों के साथ जोड़ सकता है, ताकि मामले को संभालने के बारे में अधिक सूचित निर्णय लिए जा सकें।

व्यावहारिक लक्ष्य अलग-अलग स्तरों वाली प्रतिक्रिया देना है: अनुमत स्वचालन के लिए सामान्य कॉल-रूटिंग, जहाँ लेन-देन की प्रकृति उचित ठहराए वहाँ अतिरिक्त सत्यापन, और बातचीत में संदिग्ध व्यवहार दिखने पर मामले को उच्च स्तर पर भेजना। पहचान प्रणाली सबूत देती है; प्रतिक्रिया संगठन की नीतियाँ तय करती हैं।

AI वॉइस एजेंटों की गुणवत्ता की निगरानी

नए Velma संकेत एक कम नाटकीय, लेकिन व्यावसायिक रूप से अहम समस्या पर भी ध्यान देते हैं: कोई AI एजेंट धाराप्रवाह बोलते हुए भी सेवा का खराब अनुभव दे सकता है। Modulate का कहना है कि ये नए संकेत प्रतिक्रिया के समय, ऑडियो की गुणवत्ता और बातचीत के दौरान हुई गलतफहमियों का आकलन करने में मदद करते हैं—ऐसी बातें, जिनका पता केवल प्रतिलेख-आधारित विश्लेषण से नहीं चल पाता।

अपने AI सुरक्षा-नियमों वाले पृष्ठ पर, कंपनी Velma को ऐसा सिस्टम बताती है जो बातचीत करने वाले एजेंट के रूप में काम करने के बजाय प्रतिभागियों पर नज़र रखता है। ग्राहक परिचालन प्रक्रियाओं और अपेक्षित व्यवहार के अनुसार निगरानी को अनुकूलित कर सकते हैं, फिर API और वेबहुक के ज़रिए संकेतों को अपने मौजूदा सिस्टम तक भेज सकते हैं।

इससे बोलने वाले सिस्टम और बातचीत का आकलन करने वाले सिस्टम अलग-अलग रहते हैं। इससे टीमों को यह पता लगाने का तरीका मिलता है कि एजेंट कहाँ परेशानी पैदा कर रहा है, नीतियों का उल्लंघन कर रहा है या उचित जवाब देने में विफल हो रहा है; साथ ही, वे इन निष्कर्षों का उपयोग तैनाती को बेहतर बनाने के लिए कर सकती हैं।

Twilio का निवेश मौजूदा जुड़ाव को और मज़बूत करता है

Twilio Ventures का ध्यान AI, डेवलपर टूल और ग्राहक जुड़ाव से जुड़े कारोबारों पर है, इसलिए ऑडियो इंटेलिजेंस उसके निवेश-क्षेत्र के लिए प्रासंगिक है। Modulate का Twilio के साथ पहले से तकनीकी जुड़ाव है: मई 2025 की घोषणा में उसके VoiceVault और ToxMod उत्पादों के साथ अनुकूलता का उल्लेख किया गया था। इसमें Twilio Media Streams के अनुकूल API भी शामिल थे, जिनसे लाइव कॉल का ऑडियो उसके सिस्टम में लाया जा सकता है।

यह नया निवेश इसी इतिहास को आगे बढ़ाता है, हालाँकि घोषणा में किसी नए अनन्य वितरण समझौते की पुष्टि नहीं की गई है। Modulate का कहना है कि इस पूँजी का उपयोग अनुसंधान, उत्पाद विकास, डेवलपरों के बीच अपनाने को बढ़ावा देने, साझेदारियों और तैनाती के अधिक व्यापक विकल्पों के लिए किया जाएगा।

सितंबर की निवेश की घोषणा में भी पहले के वॉइस-सुरक्षा अनुप्रयोगों से आगे विस्तार के लिए इन्हीं प्राथमिकताओं को केंद्र में रखा गया था। इस अपडेट के साथ, कंपनी पहचान और निगरानी को एक-दूसरे के करीब ला रही है: उद्यमों को कृत्रिम रूप से तैयार किए गए भाषण को पहचानने, उससे जुड़े व्यवहार की जाँच करने और यह आकलन करने में मदद देकर कि उनके अपने वॉइस एजेंट अपेक्षित काम कर रहे हैं या नहीं।