A startup de inteligência de voz Modulate, com sede em Boston, anunciou em 28 de setembro de 2026 uma nova rodada de financiamento de US$ 25 milhões. A captação foi liderada pela Future Ventures, com participação dos fundos Hyperplane e Lakestar.
A empresa desenvolve uma plataforma que reúne um conjunto de modelos menores. Eles oferecem transcrição, análise emocional, detecção de deepfakes e de músicas geradas por inteligência artificial.
A plataforma também aplica políticas de conformidade em agentes de voz usados por setores regulados.
Segundo dados da PitchBook citados na apuração, a companhia já havia levantado US$ 41 milhões antes desta rodada. Na ocasião, era avaliada em US$ 170 milhões.
A Modulate foi fundada em 2017 por Mike Pappas e Carter Huffman, que se conheceram como estudantes de física no MIT. Nos primeiros anos, o negócio girou em torno de modulação de voz para jogos.
Depois, migrou para uma ferramenta de moderação de conversas por voz, a ToxMod. Com a popularização dos modelos de voz, passou a focar na identificação de áudios sintéticos e na leitura da intenção por trás das palavras.
Mais de 100 modelos em duas frentes
A operação atual da Modulate roda mais de cem modelos, organizados em duas categorias principais. A primeira é formada por modelos de extração de sinais.
Eles compreendem emoção vocal, tom, idioma e determinam se uma voz é sintética.
A segunda reúne modelos de análise e detecção, que avaliam intenção. Eles verificam o que o cliente tenta dizer, se o interlocutor está violando regras ou se tenta aplicar um golpe em quem atende a chamada.
De acordo com Huffman, o fato de a empresa trabalhar com modelos menores elimina a necessidade de hardware especializado e de grande volume de processamento. Isso pode pesar conforme as contas de tokens sobem.
Essa arquitetura também facilita treinar modelos com capacidades novas, incorporá-los ao conjunto e acioná-los por meio de um orquestrador quando necessário.
Do gaming à conformidade regulatória
A trajetória da Modulate acompanha as mudanças do mercado de voz. O ponto de partida foi a modulação de voz aplicada a jogos.
Na sequência, veio a moderação de toxicidade em chats de voz com a ToxMod. Com a chegada dos modelos generativos de áudio, a companhia direcionou o foco para a detecção de diferentes formas de geração de áudio por IA e para a interpretação da intenção de quem fala.
Na avaliação de Huffman, boa parte do mercado se dedica à transcrição. Há pouco espaço para soluções que captem a nuance completa de uma conversa, algo essencial quando duas pessoas se comunicam.
Essa lacuna é o que a empresa tenta ocupar.
Detecção de golpes e qualidade do atendimento
A base de clientes da Modulate é variada. A especialidade está na detecção de deepfakes e no alerta a organizações como centrais de atendimento sobre a possibilidade de fraude.
A plataforma também monitora como agentes de IA respondem aos clientes, avalia a qualidade das chamadas e verifica se a automação segue as regras de conformidade exigidas em áreas reguladas. Por isso, costuma operar ao lado da pilha de voz já utilizada pela empresa, atuando apenas na análise das conversas.
Com a adoção crescente de atendimento automatizado, saber por que uma ligação deu certo ou errado passa a ser um problema de negócio. Medir intenção e reação do cliente vai além da análise básica.
Huffman observa que a leitura simplista de emoção costuma enganar. Muitos clientes se mantêm educados mesmo diante de bots, sem demonstrar irritação, mas seguem insatisfeitos.
Isso exige dados mais granulares. A companhia afirma ainda que sua tecnologia é usada para monitorar ataques cibernéticos conduzidos por chamadas de voz.
Equipe e privacidade
A Modulate tem hoje entre 40 e 45 funcionários. Pretende contratar mais dez pessoas nos próximos meses para reforçar a construção de modelos.
A empresa também trabalha para ampliar as capacidades de implantação local (on-premises) e em dispositivo (on-device). O objetivo é elevar o nível de privacidade oferecido aos clientes.
A nova rodada reforça uma disputa cada vez mais acirrada no setor de voz. De um lado, empresas que tentam tornar vozes sintéticas mais humanas.
De outro, negócios que buscam identificar a intenção em conversas e proteger pessoas e organizações de ligações clonadas, recurso que se tornou trivial com a evolução dos modelos de áudio.
