Stemme-AI-sektoren er i fuld udvikling, og de store aktører arbejder på at konsolidere deres position gennem partnerskaber og opkøb. Deepgram meldte torsdag ud, at selskabet køber Daily – skaberne bag Pipecat, et af de mest populære open-source frameworks til voice AI-infrastruktur.
De to virksomheder afslørede ikke købesummen, men garanterer at Pipecat forbliver open-source. Det er afgørende for både brugerfællesskabet og for Deepgrams egen strategi.
Hvad er Pipecat?
Pipecat er et framework, der styrer voice- og videostreams sammen med komponenter som speech-to-text, large language models og text-to-speech, alt samtidig med at latensen holdes lav. Daily leverer den hostedede infrastruktur for voice- og videokald af enhver art.
Med opkøbet af Daily får Deepgram dybere indsigt i real-time voice- og video-infrastruktur – og kontrollen over værktøjer, som udvikler verden allerede bygger rundt omkring.
Baggrund: Fra Y Combinator til milliarder
Daily har samlet over 62 millioner dollar i finansiering fra investorer som Tiger Global, Highfield Capital og flere private bagmænd ifølge PitchBook. Deepgram opnåede unicorn-status tidligere i år med en Series C-runde på 130 millioner dollar. Begge virksomheder var samtidig i samme Y Combinator-batch i 2016.
Kwindla Kramer, Dailys medstifter, fortalte, at arbejdet med Pipecat begyndte omkring tiden med GPT-4-lanceringen, hvor Daily eksperimenterede med AI-til-menneske-kommunikation over tale og tekst. “Scott var super committed til, at Pipecat skulle være open-source og vendor-neutral for altid. Jeg tror der både er et personligt engagement og en kommerciel driver her. Hvis du sidder midt i et økosystem, der vokser meget hurtigt, og mange dele af det økosystem er genuint de bedste fra din virksomhed, så er det en kommerciel fordel, at alt er så åbent som muligt,” sagde Kramer til TechCrunch.
Deepgrams åbne strategi
Scott Stephenson, administrerende direktør i Deepgram, forklarede, at selskabet længe har ønsket at arbejde inden for open source. “Vi vil åbne økosystemet, så alle kan bygge voice-agenter. Det er fantastisk, hvis du bruger Deepgrams modeller, men jeg vil gerne have, at du bruger de bedste modeller til dit use-case. Og hvis Deepgram bemærker, at vi har noget at indhente på nogle områder for vores egne modeller og produkter, så er det godt. Vi vil have, at du bruger partnere, og så arbejder vi også på at blive bedre på de områder,” sagde han.
Stephenson påpegede, at opkøbet giver udvikler mulighed for at bygge agenter med større udtryksevne og end-to-end speech-systemer ved at stikke forskellige modeller og en kontekstbus sammen.
Beyond voice: Pipecat bliver bredt redskab
For Deepgram åbner Pipecat også døre uden for voice-området. Frameworket håndterer real-time kommunikation i forskellige formater, ikke kun lyd.
“Vi tænkte aldrig på Pipecat som et voice-toolkit. Vi tænkte på det som det toolkit, vi havde brug for til at bygge denne nye form for AI-native software. Fordi vi kom fra den verden, tog vi altid real-time for givet,” forklarede Kramer.
Deepgram lancerer samtidig Real-Time Context Standard (RCS), en åben protokol for voice-agenter, som blev udviklet sammen med Pipecat-holdet. Protokollen definerer metadata fra audiostrømmen – såsom hviskremeldinger – og instruktioner til language models om, hvordan de skal bruge de signaler, samt vejledning om hvordan svaret skal lyde.
Voice AI bliver varere marked
Voice AI har tiltrukket massiv interesse fra både model-udbydere og infrastruktur-leverandører. Model-maker som ElevenLabs, Gradium og Fish Audio har samlet millioner. Samtidig har infrastruktur-virksomheder som LiveKit og Vapi lukket store finansieringsrunder i år. Deepgrams køb af Daily signalerer, at markedet koncentrerer sig omkring færre, større aktører – og at kontrollen over open-source-fundamenterne bliver central for konkurrencekraften fremadrettet.