Roblox 收購 Speechly：用即時 AI 語音稽核整治遊戲不良言行

在遊戲裡打字吵架，系統還能靠關鍵詞過濾管一管。要是大家直接開麥，辱罵、騷擾和各種不堪入耳的聲音，往往就成了監管的真空地帶。

面對每天 6550 萬活躍玩家，Roblox 決定直接買下專門給語音「裝過濾器」的團隊。9 月 20 日，語音技術初創公司 Speechly 宣佈正式加入 Roblox，交易具體條款雙方並未公開。

盯緊 6550 萬人的麥克風

Speechly 成立於 2016 年，總部位於芬蘭赫爾辛基，曾經入選過 Y Combinator。這家公司核心做三件事：即時語音稽核、即時轉錄，以及讓開發者呼叫語音能力的 Voice API。

根據 Pitchbook 的資料，Speechly 累計拿到過 753 萬美元融資，投資者包括 Seedcamp、Cherry Ventures 和 TQ Ventures 等。在被收購前，他們還拿下了 SOC 2 Type II 認證，證明自己在處理使用者資料隱私和安全性上合規。

這家公司自己做過一項調查，資料相當扎心：近 70% 的遊戲玩家用過語音聊天，但在這些人裡面，有 72% 都遭遇過語言暴力或有害行為。

對 Roblox 來說，這正踩在了痛點上。兩年前 Roblox 首次宣佈引入語音聊天，隨後允許開發者把即時語音加進遊戲，取代角色頭頂的文字氣泡。最近他們還公佈了結合面部捕捉的虛擬形象語音通話，試圖拓展 17 歲以上的成年使用者群。平臺想留住大齡玩家，但又不能把社群變成沒有管束的髒話廣場。

行業媒體 Voicebot.ai 指出，Speechly 在技術成熟度上比 Modulate 的 ToxMode 以及 Spectrum Labs 等競品更勝一籌。

Speechly 聯合創始人兼技術長 Hannes Heikinheimo 在博文中表示，每天有數千萬人來到這個平臺，隨著語音功能的增加，他們需要解決的是在大規模 UGC 場景下即時稽核口語的新挑戰。

為什麼重要

語音稽核是內容安全領域最難啃的硬骨頭之一。文本稽核只需要比對詞庫或過一遍小型語言模型，但即時語音涉及口音、俚語、語調，以及極高的算力延遲要求。對 Roblox 裡的開發者和普通玩家來說，官方在底層配好即時過濾，意味著大家開麥時不用自建稽核系統，也不至於輕易被惡意開麥破壞體驗。

我們認為，Roblox 這筆收購非常務實。語音互動是元宇宙社交的剛需，但 Roblox 擁有海量低齡使用者，同時又極力想把使用者盤子往 17 歲以上年齡段做大。如果語音環境失控，既會勸退大齡玩家，又會招來監管機構對其未成年人保護不力的嚴厲懲罰。

比起採購第三方 API，直接把底層團隊和專利買下來，不僅能大幅降低長期的呼叫成本，還能把即時降噪、轉錄和有害內容識別直接整合進自己的遊戲引擎。

當然，隱患也擺在眼前。語音檢測極容易引發對「平臺全天候監聽」的隱私恐慌，而且不同文化背景下的口語玩笑很容易被誤判為違規。Roblox 接下來必須在保護社群安全和避免誤封之間找到平衡。