語音 AI 行業正處於熱度高涨的階段，領先的企業正試圖通過合作和併購來鞏固自身的地位，隨著更多商業模式的出現，這一趨勢也在加速。 Deepgram 是最近採取此類行動的公司：該公司週四表示，正在收購 Daily。 Daily 是最受歡迎的開源語音 AI 基礎設施之一 Pipecat 的開發和維護方。
雙方未披露交易金額，但表示會繼續保持 Pipecat 的開源。
對於不瞭解這一領域的人來說，Pipecat是一個框架，用於管理語音和視頻流，以及流水線中的其他環節，例如語音轉文字（STT）、大語言模型和文字轉語音（TTS）模型，同時降低延遲。其開發方Daily提供各類語音和視頻通話的托管基礎設施。
借助 Pipecat，Deepgram 很有可能更深入地理解實時語音和視頻基礎設施。
根據 PitchBook 的數據，Daily 至今已從 Tiger Global、Highfield Capital、Nat Friedman、Lachy Groom 和 Kevin Weil 等投資者處融資超過 6,200 萬美元。今年早些時候，Deepgram 完成了 1.3 億美元的 C 轮融資，成為了独角獸企業。巧合的是，兩家公司都在 2016 年加入了同一批 Y Combinator 的孵化項目。
聯合創始人 Kwindla Kramer 表示，大約在 GPT-4 發布前後，公司開始嘗試通過語音和文本與人類進行 AI，最終催生了 Pipecat 框架。他指出，儘管此前有很多收購意願，但他更看重 Deepgram 首席執行官 Scott Stephenson 對 Pipecat 永遠保持開源的承諾，而且兩家公司的工程文化也很契合，這讓 Daily 團隊能夠在更大的組織中自由負責技術架構的不同部分。
“Scott對於Pipecat永遠保持開源、保持供應商中立的態度非常堅定。我認為這裡既有個人承諾，也有商業驅動。如果你處在一個增長非常快的生態系統中，而且這個生態系統裏有很多關鍵部分確實都是你們公司的最佳選擇，那麼盡可能開放本身就如同是一種商業優勢，”Kramer對TechCrunch表示。
Stephenson 表示，Deepgram 很早以前就想要參與開源領域，公司後來意識到，面向智能體的編排框架是一個潛在的方向，這推動了與 Daily 合作的決定。
「我們希望打開這個生態系，讓每個人都能構建語音智能體。如果你使用 Deepgram 的模型，那當然很好，但我希望你使用的是最適合你場景的最佳模型。如果 Deepgram 發現我們在某些領域的模型和產品還有差距，那也沒關係。我們希望你使用合作夥伴的產品，然後我們也會努力在這些領域變得更強大，」他說。
Stephenson 表示，這筆收購讓開發者能夠通過接入不同的模型和連接各部分的上下文總線，構建出具有表達能力的端到端語音系統和智能體。
對於 Deepgram 而言，這筆交易也讓公司能夠藉助 Pipecat 探索語音之外的領域，因為該框架適用於不同格式的實時通訊。
「我們從來沒有將 Pipecat 觀作是一個語音工具包。我們將它視為構建這種新型 AI 原生軟件所需要的工具包。由於我們的出身，我們一直默認它是實時的，」 Kramer 說。
Deepgram 將會推出實時上下文標準（Real - Time Context Standard，RCS），這是一個與 Pipecat 團隊共同開發的語音智能體開放協議。該協議定義了元數據，例如來自音頻的上下文信息，比如耳語，語言模型如何使用這些信號的指令，以及對回複應如何呈現的指導。
語音 AI 在模型端和基礎設施端都吸引了大量投資。ElevenLabs、Gradium 和 Fish Audio 等模型公司已融資數百萬美元。另一方面，LiveKit 和 Vapi 等基礎設施公司今年也完成了數百萬美元級別的融資輪。
