Deepgram übernimmt Daily und verpflichtet sich, Pipecat quelloffen zu halten

Deepgram gab am 29. Oktober 2026 bekannt, Daily zu übernehmen, das Unternehmen hinter dem quelloffenen Sprachagenten-Framework Pipecat. Die Übernahme wurde bei der ersten Deepgram-Speak-Veranstaltung in San Francisco vorgestellt. Das Daily-Team wird zu Deepgram wechseln, und Pipecat bleibt unter der bestehenden BSD-V2-Lizenz vollständig quelloffen und für Entwickler kostenlos.

Deepgram erklärte, Pipecat und die globale Echtzeit-Netzwerkinfrastruktur von Daily würden neben den eigenen Sprachmodellen die Grundlage für die neue Voice Agent Platform bilden. Zusammen entstehe so, wie das Unternehmen es beschrieb, die erste vollständige, offene und produktionsreife Plattform für dialogorientierte Sprach-KI. Deepgram bezeichnete Pipecat als das weltweit beliebteste quelloffene Framework für Sprachagenten und erklärte, dass Dailys Netzwerk Endnutzer mit extrem geringer Latenz und hoher Zuverlässigkeit mit Sprachagenten verbindet.

Daily-Mitgründer Kwindla Hultman Kramer wechselt als Leiter für Open Source zu Deepgram. „Dass Pipecat offen bleibt, war für unsere Entscheidung, zu Deepgram zu wechseln, grundlegend“, sagte Kramer in der Ankündigung der Übernahme. Deepgram-CEO und Mitgründer Scott Stephenson erklärte, Kramer und das Daily-Team wüssten, worauf es ankommt, damit ein laufendes Gespräch zuverlässig funktioniert. Mit der Übernahme von Daily bündele Deepgram diese Expertise mit der eigenen, um das gesamte Sprachsystem anzugehen und Entwicklern einen schnelleren Weg vom Prototyp zur Produktion zu ermöglichen.

Zusagen zu Open Source und die Pipecat Foundation

Deepgram erklärte, neben der kostenlosen Bereitstellung des Frameworks unter der BSD-V2-Lizenz in die Weiterentwicklung und die Community von Pipecat zu investieren. Zugleich werde Pipecat vollständig quelloffen und herstellerneutral bleiben, sodass Entwickler Modelle, Tools, Netzwerkübertragung und APIs verschiedener Anbieter auswählen und kombinieren können. Die Unternehmen gründen außerdem gemeinsam mit zahlreichen Organisationen, die zum Framework beigetragen haben und es nutzen, eine unabhängige Pipecat Foundation.

In einem separaten Beitrag im Blog von Daily schrieb Kramer, die Foundation werde von einem Lenkungsausschuss geleitet, der das gesamte Echtzeit-KI-Ökosystem repräsentiere, einschließlich Unternehmen, die mit Deepgram konkurrieren. Für Dailys Kunden und das Pipecat-Ökosystem werde sich nichts ändern, schrieb er: Deepgram werde alle aktuellen Produkte und Dienstleistungen von Daily verkaufen, unterstützen und weiterentwickeln, darunter WebRTC, Telefonie und plattformübergreifende Bibliotheken, und Pipecat werde herstellerneutral bleiben. Kramer schrieb außerdem, dass Deepgram Pipecat als Kern seiner neuen Sprach-KI-Produkte und -Dienstleistungen einsetzen werde.

Kramer schrieb, Pipecat verfüge über mehr als 200 Integrationen und knapp 400 Mitwirkende. Er würdigte die 18 Ingenieure, die das Framework entwickelt hätten, und dankte besonders Mark, der Pipecats Entwicklung seit der Veröffentlichung vorangetrieben habe. Außerdem dankte er den Investoren, die Dailys Finanzierungsrunden angeführt hatten: David Waxman von TenOneTen, Avidan Ross von Root, Jenny Lefcourt von Freestyle, Lachy Groom sowie Roseanne und Renata von Renegade Partners. Auch den Vorstandsmitgliedern Lee Edwards und Roseanne Wincek sprach er seinen Dank aus.

Die gemeinsame Geschichte der Unternehmen

Kramer berichtete, dass er und Nina Daily gegründet hätten, um eine Infrastruktur für Echtzeit-Audio und -Video aufzubauen. Dazu gehörten die Entwicklung optimierter Software für das Paket-Routing, der Entwurf und die Bereitstellung spezialisierter Rechencluster an Dutzenden Standorten weltweit sowie die Entwicklung von Client-Bibliotheken, mit denen Entwickler Echtzeit-Audio und -Video in Web-, Desktop- und native Mobilanwendungen einbetten können. Daily und Deepgram hätten 2016 gemeinsam am Programm von Y Combinator teilgenommen, schrieb er, und Deepgram stelle seit 2019 die Transkription innerhalb von Dailys Audio- und Video-APIs bereit.

Daily begann 2023 mit der Entwicklung von Sprachagenten in Echtzeit und Experimenten mit KI-nativer Software, schrieb Kramer. 2024 veröffentlichte das Unternehmen Pipecat vollständig als Open Source: das zentrale Orchestrierungs-Framework, clientseitige SDKs für alle Plattformen und Sprachen, den RTVI-Standard für Nachrichten und Ereignisse, das native Audio-Modell Pipecat Smart Turn zur Sprecherwechselerkennung, den SmallWebRTC-Transport und die Pipecat-Flows-Bibliothek für Kontextgestaltung. Er bezeichnete Pipecat als das am weitesten verbreitete Framework für Sprachagenten und multimodale KI und erklärte, es bewältige Probleme wie den Wechsel zwischen Modellen, latenzarme Netzwerkübertragung, das Streamen von Daten zwischen Modellen, die Erkennung von Sprecherwechseln und den Umgang mit Unterbrechungen.

Laut der Ankündigung von Deepgram besteht Dailys Infrastruktur aus einem globalen Netzwerk mit 75 Präsenzpunkten, das auf die Latenz- und Zuverlässigkeitsanforderungen von KI-Anwendungen in Echtzeit ausgelegt ist. Deepgram erklärte, die eigenen Sprachmodelle und die Echtzeitinfrastruktur ermöglichten dialogorientierte Sprach-KI im Produktiveinsatz für weltweit mehr als 5.000 Organisationen. Außerdem hätten mehr als 650.000 Entwickler Deepgram genutzt, um mehr als 200.000 Jahre Audiomaterial zu verarbeiten.

Real-Time Context Standard und nächste Schritte

Bei Speak stellte Stephenson außerdem den Real-Time Context Standard (RCS) vor, ein offenes Protokoll, das gemeinsam mit dem Pipecat-Team entwickelt wurde. Laut Deepgram schließt RCS eine Lücke in den heutigen Sprach-KI-Systemen: Wörter werden zwar von einem Modell an das nächste weitergegeben, doch der dazugehörige Audiokontext – etwa der Tonfall, wer gerade spricht und was im Hintergrund geschieht – geht dabei verloren. RCS definiert drei neue Metadatentypen: Kontextinformationen aus dem Audio, etwa ein Flüstern oder ein undeutliches Wort; Anweisungen dazu, wie ein Sprachmodell diese Signale nutzen soll; sowie Vorgaben dazu, wie die Antwort klingen soll. Adapter übersetzen diese Signale und Ausgabeanweisungen für jedes Modell, sodass Entwickler denselben Ansatz mit Modellen verschiedener Anbieter nutzen können.

Das Demo-Repository zum Real-Time Context Standard beschreibt RCS als offenen Standard, der diesen Kontext im selben Textstrom überträgt – in Formaten, die jedes Modell in der Verarbeitungskette erzeugen und lesen kann. Sein Demo-Sprachagent übernimmt den Kundenservice für einen Outdoor-Ausrüstungsladen namens Northwind Outfitters. Dazu verknüpft er Deepgram Flux für die Spracherkennung, ein Tool zur Tonfallanalyse, das jede Äußerung der Nutzer auf Emotionen und Sarkasmus untersucht, das Sprachmodell PhoneLLM Mini und die Sprachsynthese von ElevenLabs. Der Agent wird auf Pipecat Cloud bereitgestellt. Deepgram lud Entwickler, Modellanbieter und Teams, die Sprach-Apps entwickeln, dazu ein, RCS in ihren eigenen Systemen zu testen, Feedback zu geben und an der Spezifikation mitzuwirken.

Später am selben Tag sollte Chief Product Officer Ed Anuff bei Speak die kommende Deepgram Voice Agent Platform vorstellen und zwei neue, für Live-Gespräche entwickelte Modelle, eine erweiterte Sprachunterstützung sowie eine globale API präsentieren, die die Zuverlässigkeit von Verbindungen verbessern und die Latenz verringern soll. Deepgram teilte mit, dass die vollständigen technischen Details, Demos und Informationen zur Verfügbarkeit der übrigen Produktankündigungen des Tages nach Anuffs Keynote im Blog veröffentlicht würden.