Modulate ha obtenido 25 millones de dólares en financiación para expandir su plataforma de IA nativa de audio, destinada a combatir el fraude mediante voces deepfake, la suplantación de identidad y las conversaciones automatizadas inseguras. Liderada por Future Ventures, junto a Hyperplane y Lakestar, esta ronda eleva el capital total de la empresa a 60 millones de dólares, los cuales se utilizarán para acelerar la investigación en IA, la ingeniería y el desarrollo de herramientas.

Modulate ha obtenido 25 millones de dólares en financiación para expandir su plataforma de IA nativa de audio, mientras las empresas se enfrentan al fraude de voz mediante deepfakes, la suplantación de identidad y las conversaciones automatizadas inseguras.

Future Ventures lideró la ronda, junto con Hyperplane y Lakestar, elevando la financiación total de la empresa a 60 millones de dólares.

La inversión acelerará la investigación en IA, la ingeniería, las herramientas para desarrolladores, las asociaciones y las opciones de despliegue para las organizaciones que integran la inteligencia de voz en sus flujos de trabajo de seguridad y comunicaciones.

La financiación llega en un momento en que el habla sintética convincente hace que las señales telefónicas sean poco fiables. En lugar de examinar solo una transcripción, la tecnología de Modulate analiza cómo se dice algo, incluyendo la emoción, el tono, el énfasis, la intención, el comportamiento conversacional y la evidencia de generación sintética.

Esa distinción es importante en los ataques de vishing y de suplantación de ejecutivos, donde las palabras pueden parecer inofensivas mientras que la urgencia, la manipulación o una voz artificial exponen la amenaza.

Modulate recauda un fondo de 25 millones de dólares

Según el anuncio publicado por Modulate, la oferta de la empresa se centra en Velma, una plataforma de comprensión de conversaciones en tiempo real diseñada para detectar eventos como intentos de fraude, acoso, insatisfacción del cliente, violaciones de políticas y fallos de los agentes de IA de voz.

Su modelo subyacente Ensemble Listening Model, o ELM, coordina más de 100 modelos de audio especializados en lugar de dirigir cada tarea a través de un único modelo fundacional. Modulate afirma que este diseño puede ofrecer una eficiencia de inferencia hasta 1.000 veces mayor, reduciendo al mismo tiempo la computación, la memoria y la energía necesarias para el análisis de audio.

La detección de deepfakes es una de las capacidades más relevantes para la seguridad de la plataforma. Modulate informó de una tasa de error igual promedio del 1,104% en 14 conjuntos de datos de Speech DF Arena hasta el 19 de agosto de 2026, lo que corresponde a una precisión de detección del 98,9% y el primer lugar en esa instantánea de referencia. El modelo de 316 millones de parámetros puede empezar a devolver veredictos en streaming después de 2,5 segundos de habla.

Sin embargo, Modulate advierte que los sistemas de producción rara vez operan en el umbral de error igual; tú deberías ajustar los umbrales utilizando tus propias grabaciones etiquetadas porque una detección más fuerte puede producir más falsas alarmas.

Modulate afirma que sus modelos inspeccionan ahora más de 10 millones de horas de audio mensualmente y han procesado más de 600 millones de horas en total. La empresa también alcanzó el primer lugar en la Open ASR Leaderboard de Hugging Face para transcripciones, situándose primera entre 88 modelos evaluados en julio. Su API de transcripción por lotes comienza en 0,03 dólares por hora, mientras que la detección de deepfakes está listada en 0,25 dólares por hora.

El capital ayudará a Modulate a ampliar las API y los kits de desarrollo de software, crear modelos específicos para la industria, añadir integraciones de socios y dar soporte a los entornos de despliegue.

La empresa se centra en la prevención del fraude, la seguridad sanitaria, la supervisión de centros de contacto, la moderación de plataformas sociales y juegos, la seguridad infantil y la supervisión de agentes de voz de IA.

El análisis en tiempo real podría permitir a los defensores cuestionar a los llamantes sospechosos, escalar sesiones riesgosas o detener conversaciones dañinas antes de que ocurra el daño, en lugar de revisar las grabaciones posteriormente.

Para los equipos de seguridad, trata la tecnología como una capa de detección en lugar de una prueba de identidad. El liderazgo en los benchmarks no garantiza un rendimiento equivalente en audio telefónico comprimido, idiomas desconocidos, ruido de fondo, ataques de reproducción o nuevos generadores de voz.

Modulate señala que la arena no mide el comportamiento de streaming ni la telefonía de banda estrecha de extremo a extremo, y cubre principalmente el inglés y el mandarín.

El director ejecutivo Carter Huffman dijo que la voz se está convirtiendo en una interfaz de IA primaria, creando problemas que las transcripciones no pueden resolver. Con esta ronda, Modulate apuesta a que la comprensión del audio se convertirá en una infraestructura fundamental para autenticar llamantes, monitorear agentes automatizados y detectar manipulaciones.

A medida que las voces sintéticas mejoran, combinar la IA de audio con la verificación multifactor, los controles de transacciones y la revisión humana seguirá siendo esencial para evitar que una puntuación de detección se convierta en un único punto de fallo.