语音 AI 公司 Deepgram 在 10 月 29 日于旧金山首届 Deepgram Speak 活动上宣布收购 Daily------开源语音智能体框架 Pipecat 的开发商。交易的核心承诺是:Pipecat 将继续以 BSD V2 许可证完全开源、对开发者免费,并保持厂商中立。Daily 联合创始人 Kwindla Hultman Kramer 随交易加入 Deepgram,出任开源负责人。

Kramer 在公告中直言:「保持 Pipecat 开源是我们决定加入 Deepgram 的根本前提。」Deepgram 首席执行官兼联合创始人 Scott Stephenson 则表示,Daily 团队懂得如何让实时对话稳定运行,收购把这份经验与 Deepgram 的语音模型能力合并,目标是覆盖整个语音系统,缩短开发者从原型到生产的路径。

基金会与治理:竞争对手也进 steering committee

除了许可证不变,Deepgram 承诺继续投入 Pipecat 的开发与社区,并联合多家贡献者和使用方成立独立的 Pipecat 基金会。Kramer 在 Daily 博客中写道,基金会将由代表整个实时 AI 生态的指导委员会管理,成员包括与 Deepgram 存在竞争关系的公司。Daily 现有客户与 Pipecat 生态「一切不变」:Deepgram 将销售、支持和开发 Daily 全部现有产品与服务,包括 WebRTC、电话通信和跨平台库。
规模数据方面,Pipecat 已有 200 多个集成、近 400 名贡献者;Kramer 特别感谢 18 名工程师构建该框架,并点名 Mark 自发布以来主导 Pipecat 开发。Daily 的基础设施是覆盖全球 75 个接入点的实时网络,专为实时 AI 的延迟与可靠性需求设计。Deepgram 称其语音模型与实时基础设施已为全球 5000 多家机构的会话式语音 AI 生产环境提供支持,超过 65 万名开发者使用 Deepgram 处理了逾 20 万年时长的音频。
两家公司的交集可追溯到 2016 年
Kramer 回顾,他与 Nina 创办 Daily 是为了做实时音视频基础设施,包括优化数据包路由软件、在全球数十个地点设计部署专用计算集群,以及编写让开发者把实时音视频嵌入 Web、桌面和原生移动应用的客户端库。Daily 与 Deepgram 同在 2016 年进入 Y Combinator;自 2019 年起,Deepgram 一直为 Daily 的音视频 API 提供转写能力。Daily 于 2023 年开始构建实时语音智能体和 AI 原生软件实验,2024 年将 Pipecat 全部开源:核心编排框架、各平台与语言的客户端 SDK、RTVI 消息与事件标准、Pipecat Smart Turn 原生音频轮次检测模型、SmallWebRTC 传输,以及 Pipecat Flows 上下文工程库。
RCS:把语气和背景塞回文本流
同场活动中,Stephenson 还发布了实时上下文标准(Real-Time Context Standard,RCS),一个与 Pipecat 团队共同开发的开放协议。Deepgram 指出当前语音 AI 的缺口:词语从一个模型传到下一个模型,而周围的音频上下文------语气、说话人是谁、背景发生了什么------在传递中丢失。RCS 定义了三类新元数据:来自音频的上下文(如低语或听不清的词)、语言模型应如何使用这些信号的指令,以及响应应如何发声的指导。适配器为不同模型翻译这些信号,开发者可用同一套方法对接不同厂商的模型。
RCS 演示仓库描述其为开放标准,在同一文本流中携带上下文,链上任何模型都能生成和读取。演示语音智能体为户外装备店 Northwind Outfitters 处理客服,串联 Deepgram Flux 语音转文字、逐轮读取情绪与讽刺的语气分析器、PhoneLLM Mini 语言模型和 ElevenLabs 文本转语音,部署在 Pipecat Cloud 上。Deepgram 邀请开发者、模型提供商和语音应用团队试用 RCS 并贡献规范。
当天晚些时候,首席产品官 Ed Anuff 还预告了即将推出的 Deepgram Voice Agent Platform,并介绍两款面向实时对话的新模型、扩展的语言支持,以及旨在提升连接可靠性、降低延迟的 Global API。Deepgram 表示,当天其余产品发布的技术细节、演示和可用性将在 Anuff 主题演讲后发布于其博客。