Velma Voice Analytics API

概览

X

Velma 是由 Modulate 开发的音频原生 AI API，用于分析语音对话中的情绪、语气和意图。与仅提取文字的传统转录不同，Velma 直接处理音频信号，保留语调、停顿、压力等声学特征，从而理解对话的真实含义。 ## 核心能力 - **行为检测与分诊**：Velma Triage API 可识别欺诈、合规违规、骚扰等行为，并输出置信度评分与告警信息，无需依赖 LLM。 - **多维度音频分析**：提供 Deepfake Detection（合成语音检测）、Emotion Detection（情绪检测）、Language Detection（语言检测）、Accent Detection（口音检测）等模型。 - **转录与数据处理**：支持多语言 Speech-To-Text 转录，以及 PII / PHI Redaction（敏感信息脱敏）。 ## 适用场景 Velma 适用于需要实时或离线分析语音的领域，包括： - 客户体验与联络中心（CX & Contact Centers） - 保险与银行（Insurance & Banking） - 游戏与社交平台（Gaming & Social） - IT 与帮助台（IT & Helpdesk） 具体用例涵盖欺诈预防、AI 语音代理监控、策略执行、用户安全保护以及座席质量管理与辅导。 ## 输入与输出 API 接受实时流媒体、录音文件或第三方集成作为输入。每次调用返回的内容包括：检测到的行为及置信度、对话摘要、说话人主题、各说话人的情绪状态、Deepfake 判定、口音识别、PII/PHI 标签、情感倾向以及带说话人分离的完整转录文本。 开发者可通过 Quickstart 在 5 分钟内完成集成，官方提供 API Docs、API Reference 及 Model Benchmarks 等资源。

Q&A

Velma 与传统语音转录有什么区别？由 AI 生成

传统转录只提取文字，会丢失语调、情绪、犹豫、压力、讽刺等声学信号。Velma 是音频原生模型，直接分析音频本身，利用声学信号理解对话的完整含义。

使用 Velma Triage API 需要 LLM 吗？由 AI 生成

不需要。Velma Triage 可将语音对话转化为可操作的信号和行为，开箱即用，无需依赖 LLM。

Velma 支持哪些输入方式？由 AI 生成

支持实时流媒体（Live streams）、录音文件（Recordings）以及第三方集成（Third party integrations）。

API 调用后会返回哪些信息？由 AI 生成

返回内容包括检测到的行为及置信度、对话摘要、说话人主题、各方情绪、Deepfake 判定、口音、PII/PHI 标签、情感倾向以及带说话人分离的完整转录。

Velma 适合哪些行业？由 AI 生成

适用于客户体验与联络中心、保险与银行、游戏与社交平台、IT 与帮助台等行业。

开发者如何开始集成？由 AI 生成

官方提供 Quickstart 指南，可在 5 分钟内完成集成，同时提供 API Docs、API Reference 和 Model Benchmarks 等文档资源。

Velma 能检测哪些类型的欺诈？由 AI 生成

根据示例，可检测高管冒充诈骗、身份验证欺诈、支付欺诈尝试等行为，并给出相应的置信度评分。