Modulate krijgt steun van Twilio Ventures en verbetert detectie van AI-stemmen

Modulate heeft nieuwe investeringen aangekondigd van Twilio Ventures en Paul English, medeoprichter van Kayak. Het bedrijf breidt daarmee de technologie uit waarmee ondernemingen synthetische bellers kunnen herkennen en AI-spraakagenten kunnen monitoren. Volgens Modulate kunnen de nieuwste modellen een door AI gegenereerde stem binnen een mediane tijd van 1,6 seconden herkennen, tegenover 2,25 seconden voorheen. Daarbij blijft de detectienauwkeurigheid boven de 99,1% bij de evaluatie van echte gesprekken met AI en mensen.

De investering volgt op de financieringsronde van $25 miljoen die Modulate in september aankondigde en die werd geleid door Future Ventures, met deelname van Hyperplane en Lakestar. Het bedrijf heeft de omvang van de aanvullende investeringen niet bekendgemaakt. Tegelijk met de financiering voegt het meer dan een dozijn audiospecifieke signalen toe aan het Velma-platform. Zo kunnen ondernemingen beter begrijpen wie — of wat — er belt en hoe een door AI geleid gesprek verloopt.

Dit onderscheid wordt steeds belangrijker voor spraakautomatisering. Een synthetische beller kan een nuttige assistent zijn die een afspraak maakt, maar ook een gekloonde stem die zich voordoet als iemand anders. Detectie van gegenereerde spraak levert een deel van het bewijs; om te bepalen wat er met het gesprek moet gebeuren, is een breder beeld nodig van het gedrag en de context.

Snellere detectie terwijl het gesprek nog gaande is

Volgens Modulate maakt de kortere mediane detectietijd het voor bedrijven mogelijk synthetische spraak vroeg genoeg te herkennen om een gesprek door te verbinden, ter beoordeling te markeren of aanvullende verificatie toe te passen terwijl het gesprek doorgaat. Het systeem analyseert de onderliggende audio zonder afhankelijk te zijn van watermerken die door afzonderlijke aanbieders van spraakgeneratie zijn toegevoegd, ook bij nieuwere spraak-naar-spraakmodellen en modellen met volledige duplexcommunicatie.

De daling van 2,25 naar 1,6 seconden komt neer op een afname van ongeveer 29% van de door het bedrijf gerapporteerde mediaan. Dit is een maat voor de detectietijd, geen garantie dat elk gesprek binnen die tijd wordt geclassificeerd of dat een volledig beveiligingsproces zo snel wordt afgerond. In de aankondiging ontbreken zowel de omvang van de evaluatiesteekproef als een uitsplitsing van fout-positieven en fout-negatieven achter het nauwkeurigheidspercentage van meer dan 99,1%.

‘Gespreksoperators — menselijke of AI-agenten — moeten kunnen herkennen wat er in die gesprekken gebeurt en daar passend op reageren zolang de interactie nog gaande is’, aldus Carter Huffman, CEO en medeoprichter van Modulate.

Voor contactcenters is het operationele voordeel dat ze kunnen ingrijpen voordat een gesprek is afgelopen. Een waarschuwing die pas binnenkomt nadat een accountwijziging heeft plaatsgevonden of gevoelige informatie is gedeeld, heeft een ander doel dan een signaal dat tijdens de interactie beschikbaar is.

Hoe Velma gespecialiseerde audiomodellen combineert

Velma gebruikt wat Modulate een ensemble-luistermodel (Ensemble Listening Model, ELM) noemt: een architectuur die gespecialiseerde modellen op elkaar afstemt, in plaats van voor de interpretatie van een transcript volledig op één algemeen model te vertrouwen. Volgens het bedrijf brengt het systeem meer dan 100 modellen samen die signalen analyseren zoals emotie, toon, intentie, spreekritme, synthetische spraak en gespreksgedrag.

In de productbeschrijving staat dat een orkestratielaag signalen op een lager niveau combineert tot beoordelingen op een hoger niveau, waarbij de koppeling met het onderliggende bewijs behouden blijft. Gebeurtenissen met tijdstempels kunnen aangeven waar een gesprek veranderde. Zo krijgt een operationeel team iets concreters om te beoordelen dan een onverklaarde risicoscore voor het hele gesprek.

Een transcript legt de woorden vast, maar niet elke stilte, onderbreking, verandering in klemtoon of manier van spreken. Modulate voegt akoestische informatie toe aan de analyse, zodat ontwikkelaars naast wat de deelnemers zeggen ook kunnen onderzoeken hoe het gesprek verloopt.

De documentatie over deepfakedetectie van het bedrijf laat dit onderscheid zien op API-niveau. De documentatie beschrijft de akoestische classificatie van audiosegmenten, met tijdsgrenzen, oordelen en betrouwbaarheidsscores, en ondersteunt zowel opgenomen bestanden als live streams. Een betrouwbaarheidsscore voor een detectie is bewijs voor een classificatie, geen bewijs van de identiteit of bedoelingen van een beller.

Synthetische spraak is niet hetzelfde als fraude

In zijn gids voor het screenen op stemfraude maakt Modulate nadrukkelijk onderscheid tussen deze vragen: deepfakedetectie beoordeelt of een stem synthetisch is, terwijl gespreksanalyse het gedrag beoordeelt. Een legitieme AI-assistent kan gegenereerde spraak gebruiken; een menselijke beller kan zich aan social engineering schuldig maken zonder stemsynthetisatie toe te passen.

Dit onderscheid is ook van belang voor mensen die ondersteunende spraaktechnologie gebruiken. Alleen een melding dat een stem synthetisch is, is onvoldoende reden om een beller als kwaadwillend te beschouwen. Volgens Modulate kan Velma in de nieuwe versie die melding combineren met signalen die samenhangen met intentie, manipulatie, toon en gespreksgedrag, zodat beter onderbouwde beslissingen mogelijk zijn.

Het praktische doel is een stapsgewijze reactie: reguliere doorverbinding bij toegestane automatisering, aanvullende verificatie wanneer een transactie daarom vraagt en opschaling wanneer het gesprek verdacht gedrag vertoont. Het detectiesysteem levert bewijs; het beleid van de organisatie bepaalt de reactie.

De kwaliteit van AI-spraakagenten monitoren

De nieuwe signalen van Velma zijn ook gericht op een minder dramatisch, maar commercieel belangrijk probleem: een AI-agent kan vloeiend klinken en toch een slechte service-ervaring bieden. Volgens Modulate helpen de toevoegingen bij het beoordelen van de reactietiming, de audiokwaliteit en misverstanden in gesprekken die analyses op basis van alleen transcripties mogelijk over het hoofd zien.

Op de pagina over AI-waarborgen beschrijft het bedrijf Velma als een systeem dat deelnemers monitort, in plaats van zelf als gesprekspartner op te treden. Klanten kunnen de monitoring afstemmen op operationele procedures en verwacht gedrag en de signalen vervolgens via API’s en webhooks naar bestaande systemen sturen.

Zo wordt het systeem dat het gesprek voert gescheiden van het systeem dat de interactie beoordeelt. Teams kunnen ermee onderzoeken waar een agent frustratie veroorzaakt, buiten het beleid treedt of niet adequaat reageert, en die bevindingen gebruiken om de implementatie te verbeteren.

De steun van Twilio bouwt voort op een bestaande relatie

Twilio Ventures richt zich op AI, ontwikkelaarstools en bedrijven die klantbetrokkenheid bevorderen, waardoor audio-intelligentie binnen het investeringsmandaat past. Modulate heeft al een technische band met Twilio: in een aankondiging van mei 2025 werd de compatibiliteit van de producten VoiceVault en ToxMod beschreven, waaronder API’s die compatibel zijn met Twilio Media Streams om livegespreksaudio naar de systemen van Modulate te sturen.

De nieuwe investering bouwt voort op die geschiedenis, hoewel in de aankondiging geen nieuwe exclusieve distributieovereenkomst wordt vastgelegd. Modulate zegt dat het kapitaal onderzoek, productontwikkeling, de acceptatie door ontwikkelaars, partnerschappen en ruimere implementatiemogelijkheden zal ondersteunen.

De financieringsaankondiging van september stelde dezelfde prioriteiten centraal bij de uitbreiding naar activiteiten buiten de eerdere toepassingen voor stemveiligheid. Met deze update brengt het bedrijf detectie en toezicht dichter bij elkaar: ondernemingen helpen gegenereerde spraak te herkennen, het gedrag eromheen te onderzoeken en te beoordelen of hun eigen spraakagenten het beoogde werk uitvoeren.