Deepgram 收购 Pipecat-Maker Daily，加强语音 AI 基础设施

Deepgram 周四宣布将收购 Daily。Daily 是开源语音 AI 框架 Pipecat 的开发方，此次收购正值语音 AI 公司巩固市场地位之际。交易金额尚未披露，但两家公司均确认 Pipecat 将继续保持开源。根据 PitchBook 数据，Daily 提供语音和视频通话托管基础设施，迄今已从 Tiger Global、Highfield Capital、Nat Friedman、Lachy Groom 和 Kevin Weil 等投资者处融资超过 6200 万美元。

Deepgram 收购 Daily，以扩展语音 AI 基础设施

此次收购将两家同属 Y Combinator 2016 年批次的公司合并在一起。Deepgram 今年早些时候通过 1.3 亿美元的 C 轮融资成为独角兽。Daily 联合创始人 Kwindla Kramer 表示，公司看重 Deepgram 首席执行官 Scott Stephenson 永远保持 Pipecat 开源的承诺，并指出两家公司的工程文化相契合。

“Scott 非常坚定地承诺让 Pipecat 永远开源且不受供应商限制。我认为这既是个人承诺，也是商业驱动力。如果你身处一个发展迅速的生态系统中心，而且生态系统的许多组成部分确实都来自你的公司、并且处于领先地位，那么尽可能开放一切就会成为一种商业优势，”Kramer 告诉 TechCrunch。

Pipecat 框架管理实时语音和视频流

Pipecat 是一个框架，可管理语音和视频流，以及流水线中的其他组成部分，例如语音转文本（STT）、大型语言模型和文本转语音（TTS）模型，同时降低延迟。Kramer 表示，大约在 GPT-4 发布时，Daily 开始尝试通过语音和文本实现 AI 与人类之间的交流，最终开发出了 Pipecat 框架。

“我们从未把 Pipecat 当作语音工具包。我们把它视为构建这种新型 AI 原生软件所需的工具包。基于我们的出身，我们一直理所当然地认为它应该是实时的，”Kramer 说。

Stephenson 表示，此次收购让开发者能够通过接入不同模型和连接各个部分的上下文总线，构建更具表现力的智能体和端到端语音系统。

两位 CEO 承诺采用开源开发模式

Stephenson 表示，Deepgram 长期以来一直希望参与开源开发，公司意识到智能体编排框架可能是一个潜在方向，这促使其决定与 Daily 合作。

“我们希望开放生态系统，让每个人都能构建语音智能体。如果你使用 Deepgram 的模型，那很好，但我希望你使用最适合自己用例的模型。如果 Deepgram 发现我们的自有模型和产品在某个领域还有待提升，那也很好。我们希望你使用合作伙伴的产品，同时我们也会努力在这些领域做得更好，”他说。

Kramer 指出，尽管收到过很多收购邀约，但他看重 Stephenson 永远保持 Pipecat 开源的承诺，而且两家公司的工程文化相契合，这让 Daily 团队能够在更大的组织中自由参与技术栈不同部分的工作。

Deepgram 推出实时上下文标准协议

Deepgram 正在推出实时上下文标准（RCS），这是一种面向语音智能体的开放协议，由 Deepgram 与 Pipecat 团队共同开发。该协议定义了元数据，例如来自音频的上下文（如耳语）、关于语言模型如何使用这些信号的指令，以及对回复应呈现何种效果的指导。

这笔交易也让 Deepgram 得以通过 Pipecat 探索语音之外的领域，因为该框架适用于不同形式的实时通信。

语音 AI 领域吸引数百万美元投资

语音 AI 在模型和基础设施两方面都吸引了大量投资。ElevenLabs、Gradium 和 Fish Audio 等模型开发商已融资数百万美元。另一方面，LiveKit 和 Vapi 等基础设施公司今年也完成了数百万美元级别的融资。

常见问题

Deepgram 周四宣布了什么？

Deepgram 周四宣布将收购 Daily。Daily 是开源语音 AI 框架 Pipecat 的开发方。交易金额尚未披露，但两家公司均确认 Pipecat 将继续保持开源。

Pipecat 是什么？它如何运作？

Pipecat 是一个框架，可管理语音和视频流，以及流水线中的其他组成部分，例如语音转文本（STT）、大型语言模型和文本转语音（TTS）模型，同时降低延迟。Daily 在 GPT-4 发布前后开始尝试通过语音和文本实现 AI 与人类之间的交流，之后开发出了 Pipecat。

什么是实时上下文标准协议？

Deepgram 正在推出实时上下文标准（RCS），这是一种面向语音智能体的开放协议，由 Deepgram 与 Pipecat 团队共同开发。该协议定义了元数据，例如来自音频的上下文（如耳语）、关于语言模型如何使用这些信号的指令，以及对回复应呈现何种效果的指导。