Modulate huy động 25 triệu USD để nâng cao khả năng phát hiện deepfake

Modulate – công ty chuyên về AI âm thanh – vừa công bố gọi vốn thành công thêm 25 triệu USD trong vòng gọi vốn do Future Ventures dẫn dắt, với sự tham gia của Hyperplane và Lakestar. Tổng số vốn mà công ty này huy động được đến nay đã lên tới 60 triệu USD.

Số tiền mới sẽ được dùng để mở rộng đội ngũ, phát triển hạ tầng và mở rộng các mô hình, API, SDK cũng như các tùy chọn triển khai dành cho đối tác và nhà phát triển xây dựng ứng dụng giọng nói.

Logo SecurityWeek

Velma – Nền tảng phát hiện deepfake theo thời gian thực

Điểm cốt lõi trong công nghệ của Modulate là kiến trúc Ensemble Listening Model (ELM) – mô hình nghe tổng hợp độc quyền. Kiến trúc này tạo ra hàng loạt mô hình AI chuyên biệt, cùng nhau vận hành nền tảng Velma.

Velma kết hợp hơn 100 mô hình chuyên biệt, có khả năng nhận diện các tín hiệu như cảm xúc, ngữ điệu, ý định, giọng nói tổng hợp và hành vi trong hội thoại. Theo Modulate, nền tảng này hiện phân tích hơn 10 triệu giờ âm thanh mỗi tháng, với tổng cộng hơn 600 triệu giờ đã được xử lý.

“Giọng nói đang trở thành giao diện chính của AI, và điều đó tạo ra một loạt vấn đề mới mà bản ghi văn bản không thể giải quyết được.” – Carter Huffman, CEO kiêm đồng sáng lập Modulate.

Chính xác gấp đôi, ít báo động giả hơn

Modulate cho biết các mô hình chuyển ngữ và phát hiện deepfake của họ đều đứng đầu trên các bảng xếp hạng công khai như Hugging Face. Nền tảng Velma được quảng cáo có độ chính xác gấp đôi so với các mô hình ngôn ngữ lớn (LLM) truyền thống, đồng thời tạo ra ít hơn 7 lần tín hiệu báo động giả.

Khác với các mô hình AI thông thường chỉ phân tích sau khi sự việc đã xảy ra, Velma hoạt động theo thời gian thực, cho phép các ứng dụng không chỉ hiểu mà còn can thiệp ngay trong lúc hội thoại đang diễn ra.

Những ứng dụng thực tiễn

Công nghệ của Modulate đang được ứng dụng trong nhiều lĩnh vực nhạy cảm:

• Bảo vệ cơ sở y tế khỏi các cuộc tấn công deepfake của tin tặc
• Nâng cao khả năng cảm xúc và đồng cảm cho các tác nhân AI thoại
• Giảm thiểu nội dung cực đoan và quấy rối trên mạng xã hội
• Giám sát hiệu suất của các tác nhân thoại tự động
• Phát hiện và ngăn chặn các cuộc trò chuyện dụ dỗ trẻ em
• Bảo vệ nhân viên trong các tình huống rủi ro cao khỏi bị nhận diện qua kỹ thuật che giấu giọng nói tinh vi

Bối cảnh và ý nghĩa với người dùng Việt Nam

Việc lạm dụng AI để tạo deepfake đang trở thành vấn đề toàn cầu, và Việt Nam cũng không nằm ngoài xu hướng này. Thời gian gần đây, nhiều vụ lừa đảo tài chính, mạo danh người thân hoặc lãnh đạo doanh nghiệp bằng giọng nói AI đã được ghi nhận. Các ngân hàng và tổ chức tài chính trong nước cũng bắt đầu cảnh báo người dùng về nguy cơ bị tấn công bằng công nghệ tổng hợp giọng nói.

Việc các nền tảng như Velma có thể phát hiện deepfake trong thời gian thực mở ra tiềm năng ứng dụng rõ rệt cho các tổng đài chăm sóc khách hàng, hệ thống xác thực sinh trắc học qua giọng nói, và các nền tảng mạng xã hội tại khu vực Đông Nam Á.

“Các nhà phát triển không nên phải xây dựng lại lớp trí tuệ âm thanh mỗi khi họ tạo ra một trải nghiệm giọng nói mới. Sứ mệnh của chúng tôi là xây dựng các mô hình và hạ tầng để họ có thể tập trung vào ứng dụng mình muốn tạo ra.” – Huffman chia sẻ thêm.

Cuộc đua AI giữa tạo và chống deepfake

Sự kiện Modulate gọi vốn thành công phản ánh một xu hướng lớn: khi công cụ tạo deepfake ngày càng dễ tiếp cận, nhu cầu về các giải pháp phát hiện cũng tăng theo cấp số nhân. Đây được xem là cuộc chạy đua vũ trang bằng AI – bên tạo và bên phát hiện liên tục nâng cấp lẫn nhau.

Liên minh châu Âu (EU) cũng đang siết chặt quy định về deepfake và hình ảnh bất hợp pháp, trong khi nhiều startup như isVerified cũng đã gia nhập thị trường với các ứng dụng phát hiện deepfake giọng nói. Với nguồn vốn mới, Modulate đặt mục tiêu củng cố vị thế trong phân khúc đang cạnh tranh gay gắt này.