25 millió dollárt kapott a Modulate audio-AI fejlesztésre

Újabb komoly tőkebevonás történt az audioalapú mesterséges intelligencia piacán. A Massachusettsben működő Modulate 25 millió dollár friss finanszírozást vont be, amivel a vállalat eddigi teljes tőkebevonása 60 millió dollárra emelkedett. A kört Steve Jurvetson Future Ventures cége vezette, a Hyperplane és a korábbi főbefektető Lakestar részvételével.

A Modulate nem először jut jelentős külső forráshoz. 2022 augusztusában 30 millió dolláros Series A kört zárt, amelyet akkor a Lakestar vezetett. A 2017-ben Carter Huffman és Mike Pappas által alapított vállalat a mostani összeget AI- és gépi tanulási kutatásra, termék- és mérnöki fejlesztésre, új API-kra és SDK-kra, valamint a fejlesztői és partneri hálózat bővítésére fordítja.

A technológia középpontjában a Velma platform és az alatta működő Ensemble Listening Model, vagyis ELM architektúra áll. A megközelítés lényege, hogy nem egyetlen hatalmas nyelvi modell próbálja értelmezni a beszélgetést: több mint száz specializált audiomodell dolgozik együtt, amelyek többek között a hangszínt, érzelmet, szándékot, hangsúlyt, szintetikus beszédet és különböző viselkedési mintákat vizsgálják.

A cég saját mérései szerint a Velma kétszer nagyobb pontosságot ér el a valódi pozitív találatok felismerésében, miközben hétszer kevesebb hamis pozitív eredményt produkál, mint az összehasonlításban használt hagyományos LLM-alapú megoldások. A vállalat emellett akár ezerszer jobb számítási hatékonyságról beszél bizonyos, egyetlen nagy modellre épülő megközelítésekhez képest. Ezek a Modulate által közölt teljesítményadatok, ezért nem tekinthetők minden felhasználási területre érvényes, független benchmarknak.

A technológia egyik legnagyobb valós tesztje a Ubisoft Rainbow Six Siege című játékában zajlik. A ToxMod rendszer 2025 szeptemberében került éles használatba, és a Modulate, illetve a Ubisoft közös esettanulmánya szerint két héten belül nagyjából 37-ről 8 százalékra csökkent a munkamenetenként mért toxicitási arány. A kritikus toxikus hangkommunikáció mennyisége 50, az általános voice-chat toxicitás pedig 30 százalékkal mérséklődött a rendszerhez kapcsolódó játékbeli szankciók bevezetése után.

Zeneipari szempontból azonban a Modulate AI Music Detection lehet a fontosabb fejlesztés. A júniusban bemutatott API azt próbálja felismerni, hogy egy hangfelvétel tartalmaz-e AI által generált zenét vagy szintetikus éneket. Nem pusztán egy teljes dalra ad igen-nem választ: szegmensenként képes valószínűséget rendelni ahhoz, hogy az adott részben folyamatosan jelen van-e generált vokális vagy instrumentális tartalom.

A Modulate saját belső tesztjeiben – több vezető zenegenerátor, köztük a Suno modelljeinek vizsgálatakor – 95 százalékos precision értéket közölt 76 különböző műfajon. Ez fontos megkülönböztetés: a 95 százalék nem általános „95 százalékos pontosságot” jelent. A precision azt mutatja, hogy a rendszer által AI-generáltnak jelölt esetek mekkora része volt valóban pozitív a tesztadatokon. A modell célja emellett az, hogy ne egyetlen generátor sajátosságait tanulja meg, hanem több rendszerre és zenei stílusra alkalmazható mintázatokat keressen.

A fejlesztés azért lehet érdekes a streaming- és zenei platformok számára, mert az AI-zene felismerése egyre inkább méretezési probléma. Nemcsak teljesen generált dalokról lehet szó: egy hagyományosan készített felvételben is megjelenhet szintetikus ének vagy generált hangszeres rész. A szegmensalapú vizsgálat elméletileg ezeknél a vegyes produkcióknál is használható jelzést adhat a platformoknak.

Carter Huffman vezérigazgató szerint a hang az AI egyik meghatározó interfészévé válik, miközben egy egyszerű leiratból rengeteg információ elveszik. A Modulate ezért a zenei detektálás mellett deepfake-felismerésre, csalások kiszűrésére, ügyfélszolgálati beszélgetések elemzésére és voice agentek ellenőrzésére is használja technológiáját. A vállalat rendszerei eddig több mint 600 millió órányi hanganyagot dolgoztak fel.

Korábban írtunk róla

A zeneipari AI-piac másik oldalán közben maguk a nagy kiadók is egyre aktívabb befektetőkké válnak. Augusztusban mindhárom major beszállt a Stability AI 76 millió dolláros finanszírozási körébe, miközben a vállalat licencelt kreatív és zenei AI-eszközök fejlesztését bővíti.