Modulate, Twilio Ventures’ın desteğini alıyor ve yapay zekâ seslerini daha hızlı tespit ediyor

Modulate, işletmelerin sentetik arayanları tespit etmek ve yapay zekâ sesli ajanlarını denetlemek için kullanabileceği teknolojileri geliştirirken Twilio Ventures’tan ve Kayak’ın kurucu ortağı Paul English’ten yeni yatırımlar aldığını duyurdu. Şirket, en yeni modellerinin yapay zekâ tarafından üretilen bir sesi medyan 1,6 saniyede tespit edebildiğini, bu sürenin 2,25 saniyeden düştüğünü ve gerçek dünyadaki yapay zekâ ve insan çağrıları üzerinde yapılan değerlendirmelerde tespit doğruluğunun %99,1’in üzerinde kaldığını belirtiyor.

Yatırım, Future Ventures liderliğinde, Hyperplane ve Lakestar’ın da katılımıyla eylül ayında duyurulan 25 milyon dolarlık Modulate finansmanının ardından geldi. Şirket, ek yatırımların miktarını açıklamadı. Finansmanla birlikte şirket, işletmelerin hem kimin ya da neyin aradığını hem de yapay zekâ tarafından yürütülen bir konuşmanın nasıl ilerlediğini anlamasına yardımcı olmak için Velma platformuna ses odaklı bir düzineden fazla sinyal ekliyor.

Bu ayrım, ses otomasyonunda giderek daha merkezi bir önem kazanıyor. Sentetik bir arayan, randevu alan yararlı bir asistan da olabilir, kimliğe bürünmeye çalışan klonlanmış bir ses de. Üretilmiş konuşmayı tespit etmek, eldeki kanıtlardan yalnızca birini sağlar; aramayla ilgili ne yapılacağına karar vermek için davranış ve bağlamın daha geniş bir çerçevede değerlendirilmesi gerekir.

Arama Sürerken Daha Hızlı Tespit

Modulate, medyan tespit süresindeki düşüşün işletmelerin sentetik konuşmayı, görüşme devam ederken aramayı yönlendirebilecek, incelemeye işaretleyebilecek veya ek doğrulama uygulayabilecek kadar erken tespit etmesini sağladığını belirtiyor. Sistem, yeni konuşmadan konuşmaya ve tam çift yönlü modeller de dâhil olmak üzere, tek tek ses üretimi sağlayıcılarının eklediği filigranlara bağlı kalmadan temel ses sinyalini inceliyor.

2,25 saniyeden 1,6 saniyeye düşüş, şirketin bildirdiği medyan sürede yaklaşık %29’luk bir azalmaya karşılık geliyor. Bu, tespit süresine ilişkin bir ölçümdür; her aramanın bu süre içinde sınıflandırılacağını veya eksiksiz bir güvenlik iş akışının bu kadar çabuk tamamlanacağını garanti etmez. Duyuruda, %99,1’in üzerindeki doğruluk oranının dayandığı değerlendirme örnekleminin büyüklüğü ya da yanlış pozitif ve yanlış negatif sonuçların dağılımı belirtilmiyor.

Modulate CEO’su ve kurucu ortağı Carter Huffman, “İnsan ya da yapay zekâ ajanı olsun, çağrıları yönetenlerin, bu konuşmalarda neler olduğunu fark edip etkileşim hâlâ sürerken uygun şekilde karşılık verebilmesi gerekir,” dedi.

Çağrı merkezleri açısından operasyonel fayda, konuşma sona ermeden müdahale edebilme olanağıdır. Hesap değişikliği ya da hassas bir bilginin paylaşılması gerçekleştikten sonra gelen uyarı, etkileşim sırasında sunulan bir sinyalden farklı bir amaca hizmet eder.

Velma Uzmanlaşmış Ses Modellerini Nasıl Birleştiriyor?

Velma, Modulate’in Topluluk Dinleme Modeli ya da ELM adını verdiği bir mimariyi kullanıyor. Bu mimari, bir konuşma dökümünü yorumlamak için bütünüyle tek bir genel amaçlı modele dayanmak yerine uzmanlaşmış modelleri eşgüdümlü biçimde çalıştırıyor. Şirket, sisteminin duygu, ton, niyet, konuşma ritmi, sentetik konuşma ve konuşma davranışı gibi sinyalleri kapsayan 100’den fazla modeli bir araya getirdiğini belirtiyor.

Ürün açıklamasında, bir düzenleme katmanının alt düzey sinyalleri daha üst düzey değerlendirmelerde birleştirirken temel kanıtlarla bağlantıları koruduğu belirtiliyor. Zaman damgalı olaylar, konuşmanın hangi noktasında değiştiğini gösterebilir; böylece operasyon ekibi, açıklanmayan bir arama düzeyi risk puanı yerine daha belirgin bir inceleme unsuru elde eder.

Konuşma dökümü sözcükleri kaydeder, ancak her duraklamayı, söz kesmeyi, vurgu değişikliğini veya konuşma biçimini yansıtmaz. Modulate’in yaklaşımı, geliştiricilerin konuşmanın nasıl ilerlediğini, katılımcıların ne söylediğiyle birlikte inceleyebilmesi için analize akustik bilgiler ekliyor.

Şirketin sahte ses tespitine ilişkin belgeleri, bu ayrımı API düzeyinde ortaya koyuyor. Belgelerde ses bölümlerinin akustik sınıflandırması; zaman sınırları, kararlar ve güven puanlarıyla açıklanıyor, ayrıca hem kaydedilmiş dosyaların hem de canlı yayınların desteklendiği belirtiliyor. Tespit güven puanı, bir sınıflandırmayı destekleyen kanıttır; arayan kişinin kimliğini veya niyetini kanıtlamaz.

Sentetik Konuşma Dolandırıcılıkla Aynı Şey Değil

Modulate, ses dolandırıcılığını tarama kılavuzunda bu iki soruyu açıkça birbirinden ayırıyor: sahte ses tespiti, bir sesin sentetik olup olmadığını değerlendirirken konuşma analizi davranışları inceliyor. Meşru bir yapay zekâ asistanı üretilmiş konuşma kullanabilir; bir insan arayan ise hiçbir ses sentezi kullanmadan sosyal mühendislik girişiminde bulunabilir.

Bu ayrım, yardımcı konuşma teknolojisi kullanan kişiler açısından da önem taşıyor. Tek başına sentetik ses uyarısı, arayan kişiyi kötü niyetli kabul etmek için yeterli bir gerekçe değildir. Modulate, yeni sürümde Velma’nın daha bilinçli bir değerlendirme yapılmasına yardımcı olmak için bu uyarıyı niyet, manipülasyon, ton ve konuşma davranışıyla ilişkili sinyallerle birleştirebildiğini belirtiyor.

Amaç, kademeli bir karşılık vermek: izin verilen otomasyon için olağan yönlendirme, işlemin gerektirdiği durumlarda ek doğrulama ve konuşmada şüpheli davranış görüldüğünde üst kademeye aktarma. Tespit sistemi kanıt sağlar; verilecek karşılığı kuruluşun politikaları belirler.

Yapay Zekâ Sesli Ajanlarının Kalitesini İzleme

Yeni Velma sinyalleri, daha az çarpıcı ancak ticari açıdan önemli bir sorunu da hedefliyor: Bir yapay zekâ aracısı, kötü bir hizmet deneyimi sunarken bile akıcı konuşabilir. Modulate, eklemelerin yanıt zamanlamasını, ses kalitesini ve yalnızca döküm analizleriyle tespit edilemeyen konuşma yanlış anlamalarını değerlendirmeye yardımcı olduğunu söylüyor.

Şirket, yapay zekâ koruma önlemleri sayfasında Velma’yı, konuşma aracısının kendisi olarak hareket etmek yerine katılımcıları izleyen bir sistem olarak tanımlıyor. Müşteriler, izlemeyi çalışma prosedürleri ve beklenen davranışlar doğrultusunda yapılandırabiliyor, ardından sinyalleri API’ler ve web kancaları aracılığıyla mevcut sistemlere gönderebiliyor.

Böylece konuşan sistem ile etkileşimi değerlendiren sistem birbirinden ayrılıyor. Ekipler bu sayede bir aracının nerede hayal kırıklığına yol açtığını, politikaların dışına çıktığını veya uygun şekilde yanıt veremediğini inceleyebiliyor ve bu bulguları dağıtımı iyileştirmek için kullanabiliyor.

Twilio’nun desteği mevcut bir bağlantıyı güçlendiriyor

Twilio Ventures, yapay zekâ, geliştirici araçları ve müşteri etkileşimi alanındaki şirketlere odaklanıyor; bu da ses zekâsını yatırım kapsamıyla ilgili hâle getiriyor. Modulate’in Twilio ile hâlihazırda teknik bir bağlantısı bulunuyor: Mayıs 2025’teki bir duyuruda, VoiceVault ve ToxMod ürünlerinin uyumluluğu açıklanmış; canlı arama sesini sistemlerine aktarmak için Twilio Media Streams ile uyumlu API’ler de buna dâhil edilmişti.

Yeni yatırım bu geçmişin üzerine inşa ediliyor, ancak duyuruda yeni bir münhasır dağıtım anlaşması yapıldığı belirtilmiyor. Modulate, sermayenin araştırmaları, ürün geliştirmeyi, geliştiricilerin benimsemesini, ortaklıkları ve daha geniş dağıtım seçeneklerini destekleyeceğini söylüyor.

Eylül ayındaki finansman duyurusu, daha önceki ses güvenliği uygulamalarının ötesine genişlemesinde aynı öncelikleri odağa koymuştu. Şirket bu güncellemeyle tespit ve denetimi birbirine yaklaştırıyor: işletmelerin yapay olarak üretilmiş konuşmayı tanımasına, konuşmanın çevresindeki davranışları incelemesine ve kendi ses aracılarının amaçlanan işi yapıp yapmadığını değerlendirmesine yardımcı oluyor.