Deepgram køber Daily og forpligter sig til at holde Pipecat open source

Deepgram meddelte den 29. oktober 2026, at selskabet køber Daily, virksomheden bag open source-rammeværket Pipecat til stemmeagenter. Aftalen blev offentliggjort ved Deepgrams første Speak-arrangement i San Francisco. Daily-teamet bliver en del af Deepgram, og Pipecat forbliver helt open source og gratis for udviklere under den eksisterende BSD V2-licens.

Deepgram oplyste, at Pipecat og Dailys globale netværksinfrastruktur til realtidskommunikation skal danne grundlag for virksomhedens nye platform til stemmeagenter sammen med Deepgrams egne talermodeller. Det skal ifølge virksomheden skabe den første komplette, åbne platform i produktionskvalitet til samtalebaseret stemme-AI. Deepgram beskrev Pipecat som verdens mest populære open source-rammeværk til stemmeagenter og sagde, at Dailys netværk forbinder slutbrugere med stemmeagenter med ultralav latenstid og høj pålidelighed.

Dailys medstifter Kwindla Hultman Kramer bliver Deepgrams chef for open source. »Det var afgørende for vores beslutning om at blive en del af Deepgram, at Pipecat forbliver open source,« sagde Kramer i meddelelsen om opkøbet. Deepgrams administrerende direktør og medstifter, Scott Stephenson, sagde, at Kramer og Daily-teamet ved, hvad der skal til for at sikre, at en samtale i realtid fungerer pålideligt. Han tilføjede, at opkøbet af Daily samler denne ekspertise med Deepgrams, så de kan forbedre hele stemmesystemet og give udviklere en hurtigere vej fra prototype til produktion.

Forpligtelser til open source og Pipecat Foundation

Ud over at holde rammeværket gratis under BSD V2-licensen sagde Deepgram, at virksomheden vil investere i den fortsatte udvikling af Pipecat og dets fællesskab, samtidig med at hele Pipecat forbliver open source og uafhængigt af leverandører. Dermed kan udviklere vælge og kombinere modeller, værktøjer, netværkstransport og API’er fra forskellige udbydere. Virksomhederne er også ved at oprette en uafhængig Pipecat Foundation sammen med mange af de organisationer, der har bidraget til og bruger rammeværket.

I et separat indlæg på Dailys blog skrev Kramer, at fonden skal ledes af en styrekomité, der repræsenterer hele økosystemet for AI i realtid, herunder virksomheder, der konkurrerer med Deepgram. Han skrev, at intet vil ændre sig for Dailys kunder og Pipecat-økosystemet: Deepgram vil sælge, yde support til og videreudvikle alle Dailys nuværende produkter og tjenester, herunder WebRTC, telefoni og biblioteker på tværs af platforme, og Pipecat forbliver uafhængigt af leverandører. Kramer skrev også, at Deepgram tager Pipecat i brug som grundlag for sine nye produkter og tjenester inden for stemme-AI.

Kramer skrev, at Pipecat har mere end 200 integrationer og næsten 400 bidragydere. Han fremhævede de 18 ingeniører, der har bygget rammeværket, og takkede især Mark, som ifølge Kramer har stået for udviklingen af Pipecat siden lanceringen. Han takkede også de investorer, der stod i spidsen for Dailys finansieringsrunder — David Waxman fra TenOneTen, Avidan Ross fra Root, Jenny Lefcourt fra Freestyle, Lachy Groom samt Roseanne og Renata fra Renegade Partners — og bestyrelsesmedlemmerne Lee Edwards og Roseanne Wincek.

Virksomhedernes fælles historie

Kramer fortalte, at han og Nina grundlagde Daily for at bygge infrastruktur til lyd og video i realtid. Det indebar at skrive optimeret software til pakkestyring, designe og implementere specialiserede computerklynger på snesevis af lokationer verden over samt skrive klientbiblioteker, der gør det muligt for udviklere at integrere lyd og video i realtid i web-, desktop- og native mobilapplikationer. Daily og Deepgram deltog sammen i Y Combinator i 2016, skrev han, og Deepgram har leveret transskription i Dailys API’er til lyd og video siden 2019.

Kramer skrev, at Daily begyndte at udvikle stemmeagenter i realtid og eksperimentel, AI-baseret software i 2023, og at virksomheden gjorde hele Pipecat open source i 2024: det centrale orkestreringsrammeværk, SDK’er på klientsiden til alle platforme og sprog, standarden for meddelelser og hændelser RTVI, den native lydmodel til registrering af turtagning Pipecat Smart Turn, transportlaget SmallWebRTC og biblioteket til kontekstteknik Pipecat Flows. Han beskrev Pipecat som det mest udbredte rammeværk til stemmeagenter og multimodal AI og forklarede, at det håndterer problemer som skift mellem modeller, netværkstransport med lav latenstid, streaming af data mellem modeller, registrering af turtagning og håndtering af afbrydelser.

Ifølge Deepgrams meddelelse består Dailys infrastruktur af et globalt netværk med 75 tilstedeværelsespunkter, der er udviklet til at imødekomme kravene til latenstid og pålidelighed i forbindelse med live-AI. Deepgram sagde, at virksomhedens egne talermodeller og realtidsinfrastruktur driver samtalebaseret stemme-AI i produktion hos mere end 5.000 organisationer verden over, og at mere end 650.000 udviklere har brugt Deepgram til at behandle over 200.000 års lyd.

Realtidskontekststandard og næste skridt

På Speak introducerede Stephenson også Real-Time Context Standard (RCS), en åben protokol, der er udviklet i fællesskab med Pipecat-teamet. Ifølge Deepgram løser RCS et problem i nutidens stemme-AI-systemer: Ord sendes fra én model til den næste, mens lydkonteksten omkring dem, såsom tonefald, hvem der taler, og hvad der foregår i baggrunden, går tabt undervejs. RCS definerer tre nye typer metadata: kontekst fra lyden, f.eks. en hvisken eller et utydeligt ord; instruktioner om, hvordan en sprogmodel skal bruge disse signaler; og retningslinjer for, hvordan svaret skal lyde. Adaptere oversætter signalerne og instruktionerne om, hvordan lyden skal formidles, til hver enkelt model, så udviklere kan bruge samme fremgangsmåde med modeller fra forskellige udbydere.

demoarkivet for Real-Time Context Standard beskriver RCS som en åben standard, der overfører denne kontekst i den samme tekststrøm i formater, som alle modeller i kæden kan producere og læse. Dets demo-stemmeagent håndterer kundeservice for en butik med udstyr til friluftsliv ved navn Northwind Outfitters ved at kæde Deepgram Flux’ talegenkendelse sammen med en toneanalysator, der aflæser hver brugerhenvendelse for at registrere følelser og sarkasme, sprogmodellen PhoneLLM Mini og ElevenLabs’ tekst-til-tale, med udrulning på Pipecat Cloud. Deepgram inviterede udviklere, modeludbydere og teams, der udvikler stemmebaserede applikationer, til at afprøve RCS i deres egne systemer, dele feedback og bidrage til specifikationen.

Senere samme dag på Speak skulle Chief Product Officer Ed Anuff give en forsmag på den kommende Deepgram Voice Agent Platform og præsentere to nye modeller til samtaler i realtid, udvidet sprogunderstøttelse og en Global API, der er udviklet til at forbedre forbindelsens pålidelighed og reducere latenstiden. Deepgram oplyste, at alle tekniske detaljer, demoer og oplysninger om tilgængeligheden af dagens resterende produktannonceringer ville blive offentliggjort på virksomhedens blog efter Anuffs keynote.