Фото: TechCrunch
Компания Deepgram, работающая в сфере голосовых технологий на базе искусственного интеллекта, объявила о покупке Daily — разработчика и сопровождающего популярную открытую инфраструктуру для голосовых ИИ-решений Pipecat. Сумму сделки стороны не раскрыли, однако подтвердили, что Pipecat останется открытым проектом. Об этом сообщает TechCrunch.
Pipecat представляет собой фреймворк, который управляет потоками голоса и видео, а также другими компонентами конвейера — системами распознавания речи, большими языковыми моделями и моделями синтеза речи, снижая при этом задержки. Сама Daily предоставляет размещённую инфраструктуру для голосовых и видеозвонков любого формата. Благодаря сделке Deepgram, вероятно, получит более глубокое понимание работы инфраструктуры голосовой и видеосвязи в реальном времени.
По данным PitchBook, Daily привлекла более 62 миллионов долларов инвестиций от таких инвесторов, как Tiger Global, Highfield Capital, Нат Фридман, Лэчи Грум и Кевин Вайль. В начале года Deepgram достигла статуса «единорога» после раунда Series C на 130 миллионов долларов. Обе компании, что примечательно, участвовали в одном наборе акселератора Y Combinator в 2016 году.
Соучредитель Daily Квиндла Крамер рассказал, что примерно во время выхода GPT-4 компания начала экспериментировать с общением между ИИ и человеком через голос и текст, что в итоге привело к созданию фреймворка Pipecat. По его словам, предложений о покупке было много, но он отдал предпочтение приверженности главы Deepgram Скотта Стивенсона идее навсегда сохранить Pipecat открытым, а также совпадению инженерных культур обеих организаций, что даёт команде Daily свободу работать над разными частями стека внутри более крупной компании.
«Скотт был абсолютно привержен тому, чтобы Pipecat навсегда оставался открытым и независимым от вендоров. Думаю, здесь есть и личная приверженность, и коммерческий стимул. Если ты находишься в центре очень быстро растущей экосистемы и у тебя есть много частей этой экосистемы, которые действительно лучшие на рынке, то максимальная открытость становится коммерческим преимуществом», — заявил Крамер TechCrunch.
Стивенсон отметил, что Deepgram давно хотела работать в сфере открытого кода и пришла к выводу, что оркестрационный фреймворк для агентов — перспективное направление, что и побудило компанию к партнёрству с Daily. По его словам, сделка позволит разработчикам создавать агентов с выразительной речью и сквозными голосовыми системами, подключая разные модели и шину контекста, связывающую все компоненты. Кроме того, Deepgram запускает Real-Time Context Standard (RCS) — открытый протокол для голосовых агентов, разработанный совместно с командой Pipecat; он описывает метаданные вроде контекста из аудио, например шёпота, инструкции для языковой модели по использованию этих сигналов и указания о том, как должен звучать ответ.