Deepgram kupuje Daily a zavazuje se zachovat otevřený zdrojový kód Pipecat

Společnost Deepgram 29. října 2026 oznámila, že kupuje Daily, společnost stojící za open-source frameworkem pro hlasové agenty Pipecat. Dohodu představila na své první akci Deepgram Speak v San Franciscu. Tým Daily se připojí k Deepgram a Pipecat zůstane plně open source a pro vývojáře zdarma, a to v rámci stávající licence BSD V2.

Deepgram uvedl, že Pipecat a globální síťová infrastruktura Daily pro komunikaci v reálném čase budou spolu s vlastními řečovými modely tvořit základ jeho nové platformy Voice Agent Platform. Vznikne tak podle společnosti první kompletní, otevřená platforma pro konverzační hlasovou AI připravená pro produkční nasazení. Společnost označila Pipecat za nejpopulárnější open-source framework pro hlasové agenty na světě a uvedla, že síť Daily propojuje koncové uživatele s hlasovými agenty s mimořádně nízkou latencí a vysokou spolehlivostí.

Spoluzakladatel Daily Kwindla Hultman Kramer nastupuje do Deepgram na pozici vedoucího open-source projektů. „Zachování otevřeného zdrojového kódu Pipecat bylo zásadní podmínkou našeho rozhodnutí připojit se k Deepgram,“ uvedl Kramer v oznámení o akvizici. Generální ředitel a spoluzakladatel Deepgram Scott Stephenson řekl, že Kramer a tým Daily vědí, co je potřeba k tomu, aby živá konverzace spolehlivě fungovala. Dodal, že akvizice Daily spojí jejich odborné znalosti se zkušenostmi Deepgram, což jim umožní řešit celý hlasový systém a nabídnout vývojářům rychlejší cestu od prototypu k produkčnímu nasazení.

Závazky týkající se open source a nadace Pipecat

Deepgram uvedl, že kromě zachování bezplatné dostupnosti frameworku v rámci licence BSD V2 bude investovat do dalšího vývoje Pipecat i jeho komunity a zachová celý Pipecat jako open source a nezávislý na dodavatelích. Vývojáři si tak budou moci vybírat a kombinovat modely, nástroje, síťové přenosy a API od různých poskytovatelů. Obě společnosti také společně s mnoha organizacemi, které se na vývoji frameworku podílely a používají ho, zakládají nezávislou nadaci Pipecat.

V samostatném příspěvku na blogu Daily Kramer napsal, že nadaci bude řídit řídicí výbor zastupující celý ekosystém AI v reálném čase, včetně společností, které konkurují Deepgram. Uvedl, že pro zákazníky Daily ani ekosystém Pipecat se nic nezmění: Deepgram bude prodávat, podporovat a vyvíjet všechny stávající produkty a služby Daily, včetně WebRTC, telefonních služeb a multiplatformních knihoven, a Pipecat zůstane nezávislý na dodavatelích. Kramer také napsal, že Deepgram přijímá Pipecat jako základ svých nových produktů a služeb hlasové AI.

Kramer napsal, že Pipecat má více než 200 integrací a téměř 400 přispěvatelů. Za vytvoření frameworku poděkoval 18 inženýrům. Zvláštní poděkování věnoval Markovi, který podle něj řídí vývoj Pipecat od jeho uvedení, a poděkoval také investorům, kteří vedli investiční kola Daily — Davidu Waxmanovi z TenOneTen, Avidanu Rossovi z Root, Jenny Lefcourtové z Freestyle, Lachymu Groomovi a Roseanne a Renatě z Renegade Partners — i členům správní rady Lee Edwardsovi a Roseanne Wincekové.

Společná historie obou společností

Kramer připomněl, že s Ninou založili Daily, aby vybudovali infrastrukturu pro zvuk a video v reálném čase. To obnášelo tvorbu optimalizovaného softwaru pro směrování paketů, návrh a nasazení specializovaných výpočetních clusterů na desítkách míst po celém světě a psaní klientských knihoven, které vývojářům umožňují začlenit zvuk a video v reálném čase do webových, desktopových a nativních mobilních aplikací. Kramer napsal, že Daily a Deepgram společně prošly v roce 2016 programem Y Combinator a že Deepgram od roku 2019 zajišťuje přepis řeči v rámci zvukových a video API Daily.

Kramer napsal, že Daily začalo v roce 2023 vytvářet hlasové agenty v reálném čase a experimentální software navržený přímo pro AI a že v roce 2024 zveřejnilo jako open source celý Pipecat: základní framework pro orchestraci, klientské SDK pro každou platformu a jazyk, standard zpráv a událostí RTVI, nativní zvukový model Pipecat Smart Turn pro detekci střídání mluvčích, přenosovou vrstvu SmallWebRTC a knihovnu Pipecat Flows pro kontextové inženýrství. Pipecat popsal jako nejpoužívanější framework pro hlasové agenty a multimodální AI a uvedl, že řeší například přepínání mezi modely, síťový přenos s nízkou latencí, streamování dat mezi modely, detekci střídání mluvčích a zpracování přerušení.

Podle oznámení Deepgram tvoří infrastrukturu Daily globální síť 75 bodů přítomnosti, navržená s ohledem na nároky živé AI na latenci a spolehlivost. Deepgram uvedl, že jeho vlastní řečové modely a infrastruktura pro komunikaci v reálném čase zajišťují produkční provoz konverzační hlasové AI pro více než 5 000 organizací po celém světě a že jeho technologie zpracovala zvuk o délce více než 200 000 let, kterou využilo více než 650 000 vývojářů.

Standard Real-Time Context Standard a další kroky

Stephenson na akci Speak představil také otevřený protokol Real-Time Context Standard (RCS), který vznikl ve spolupráci s týmem Pipecat. Podle Deepgram řeší RCS nedostatek současných systémů hlasové AI: slova přecházejí z jednoho modelu do druhého, ale zvukový kontext, který je obklopuje — například tón, kdo právě mluví a co se děje v pozadí — se cestou ztrácí. RCS definuje tři nové typy metadat: kontext vycházející ze zvuku, například šeptání nebo nesrozumitelné slovo; pokyny, jak má jazykový model tyto signály využít; a vodítka, jak má znít odpověď. Adaptéry převádějí tyto signály a pokyny pro předání pro každý model, takže vývojáři mohou stejný přístup používat s modely od různých poskytovatelů.

Demo repozitář standardu Real-Time Context Standard popisuje RCS jako otevřený standard, který přenáší tento kontext ve stejném textovém proudu a ve formátech, jež dokáže vytvářet a číst jakýkoli model v řetězci. Jeho ukázkový hlasový agent zajišťuje zákaznický servis pro obchod s outdoorovým vybavením Northwind Outfitters. Využívá přitom propojení převodu řeči na text Deepgram Flux, nástroje pro analýzu tónu, který v každém uživatelském vstupu rozpoznává emoce a sarkasmus, jazykového modelu PhoneLLM Mini a převodu textu na řeč ElevenLabs; nasazen je v Pipecat Cloud. Deepgram vyzval vývojáře, poskytovatele modelů a týmy vyvíjející hlasové aplikace, aby RCS otestovali ve vlastních systémech, sdíleli zpětnou vazbu a podíleli se na tvorbě specifikace.

Později téhož dne na konferenci Speak měl ředitel produktového oddělení Ed Anuff představit připravovanou platformu Deepgram Voice Agent Platform a dva nové modely určené pro živou konverzaci, rozšířenou jazykovou podporu a globální API navržené ke zvýšení spolehlivosti připojení a snížení latence. Deepgram uvedl, že úplné technické podrobnosti, ukázky a informace o dostupnosti zbývajících produktových oznámení toho dne zveřejní na svém blogu po Anuffově hlavní přednášce.