Modulate、音声AIを開発者向けに展開へ

Modulateはオンラインゲームのボイスチャットモデレーションから始まり、現在もソーシャル・ゲーミングプラットフォーム上でハラスメントや児童への性的勧誘を検知している。そこから顧客層は広がり、医療機関はディープフェイク音声で職員になりすます発信者を排除するためにモデルを使い、新たな顧客層は音声AIエージェントを運用し、そのエージェントの出来栄えを確認するためにモデルを活用している。

こうした幅広い用途を支えるのが、同社の旗艦プラットフォーム「Velma」だ。その基盤では、Ensemble Listening Modelアーキテクチャが100以上の小型特化型音声モデルからタスクごとに選び、結果を融合する。Modulateによれば、同じ音声を単一の大規模モデルに渡すより最大1000倍効率的だという。 tractionは数字にも表れている。現在、月間1000万時間超の音声がモデルを通り、累計は最近6億時間を突破。今年は2つの製品がHugging Faceのリーダーボードで首位に立った。

今回のラウンドは技術を変えるためではなく、その到達範囲を広げるためのものだ。新しいSDKとAPI、業界特化モデルを開発中で、研究、エンジニアリング、開発者リレーションズの採用も加速する。試金石となるのは、こうした開発者向けの取り組みが既存顧客層をより広範な普及につなげられるか、そして音声処理量が増える中で同社の効率性の主張が持ちこたえるかどうかだろう。