Η Deepgram εξαγοράζει την Daily και δεσμεύεται να διατηρήσει το Pipecat ανοιχτού κώδικα

Η Deepgram ανακοίνωσε στις 29 Οκτωβρίου 2026 ότι εξαγοράζει την Daily, την εταιρεία πίσω από το πλαίσιο ανοιχτού κώδικα Pipecat για φωνητικούς πράκτορες, παρουσιάζοντας τη συμφωνία στην πρώτη της εκδήλωση Deepgram Speak, στο Σαν Φρανσίσκο. Η ομάδα της Daily θα ενταχθεί στην Deepgram, ενώ το Pipecat θα παραμείνει πλήρως ανοιχτού κώδικα και δωρεάν για τους προγραμματιστές, με την υφιστάμενη άδειά του BSD V2.

Η Deepgram δήλωσε ότι το Pipecat και η παγκόσμια υποδομή δικτύου πραγματικού χρόνου της Daily θα αποτελέσουν τη βάση της νέας Πλατφόρμας Φωνητικών Πρακτόρων της, μαζί με τα δικά της μοντέλα ομιλίας, συγκροτώντας αυτό που περιέγραψε ως την πρώτη ολοκληρωμένη, ανοιχτή πλατφόρμα παραγωγικού επιπέδου για συνομιλιακή τεχνητή νοημοσύνη με φωνή. Η εταιρεία χαρακτήρισε το Pipecat ως το δημοφιλέστερο πλαίσιο ανοιχτού κώδικα στον κόσμο για φωνητικούς πράκτορες και δήλωσε ότι το δίκτυο της Daily συνδέει τους τελικούς χρήστες με φωνητικούς πράκτορες προσφέροντας εξαιρετικά χαμηλή καθυστέρηση και υψηλή αξιοπιστία.

Ο συνιδρυτής της Daily, Kwindla Hultman Kramer, εντάσσεται στην Deepgram ως επικεφαλής του τομέα ανοιχτού κώδικα. «Η διατήρηση του Pipecat ως ανοιχτού κώδικα ήταν καθοριστικής σημασίας για την απόφασή μας να ενταχθούμε στην Deepgram», δήλωσε ο Kramer στην ανακοίνωση της εξαγοράς. Ο διευθύνων σύμβουλος και συνιδρυτής της Deepgram, Scott Stephenson, δήλωσε ότι ο Kramer και η ομάδα της Daily γνωρίζουν τι απαιτείται για να λειτουργεί αξιόπιστα μια ζωντανή συνομιλία, και ότι η εξαγορά της Daily συνδυάζει αυτή την τεχνογνωσία με την τεχνογνωσία της Deepgram, ώστε να αντιμετωπιστεί συνολικά το φωνητικό σύστημα και να προσφερθεί στους προγραμματιστές ταχύτερη μετάβαση από το πρωτότυπο στην παραγωγή.

Δεσμεύσεις για τον ανοιχτό κώδικα και το Ίδρυμα Pipecat

Πέρα από τη διατήρηση του πλαισίου ως δωρεάν, βάσει της άδειας BSD V2, η Deepgram δήλωσε ότι θα επενδύσει στη συνεχή ανάπτυξη του Pipecat και στην κοινότητά του, διατηρώντας παράλληλα ολόκληρο το Pipecat ανοιχτού κώδικα και ανεξάρτητο από προμηθευτές, ώστε οι προγραμματιστές να μπορούν να επιλέγουν και να συνδυάζουν μοντέλα, εργαλεία, μέσα μεταφοράς δικτύου και API από διαφορετικούς παρόχους. Οι εταιρείες ιδρύουν επίσης από κοινού ένα ανεξάρτητο Ίδρυμα Pipecat, μαζί με πολλούς οργανισμούς που έχουν συνεισφέρει στο πλαίσιο και το χρησιμοποιούν.

Σε ξεχωριστή ανάρτηση στο ιστολόγιο της Daily, ο Kramer έγραψε ότι τη διαχείριση του ιδρύματος θα αναλάβει μια συντονιστική επιτροπή που θα εκπροσωπεί ολόκληρο το οικοσύστημα τεχνητής νοημοσύνης πραγματικού χρόνου, συμπεριλαμβανομένων εταιρειών που ανταγωνίζονται την Deepgram. Έγραψε ότι τίποτα δεν θα αλλάξει για τους πελάτες της Daily και το οικοσύστημα Pipecat: η Deepgram θα συνεχίσει να πωλεί, να υποστηρίζει και να αναπτύσσει όλα τα τρέχοντα προϊόντα και τις υπηρεσίες της Daily, συμπεριλαμβανομένων των WebRTC, της τηλεφωνίας και των βιβλιοθηκών για πολλαπλές πλατφόρμες, ενώ το Pipecat θα παραμείνει ανεξάρτητο από προμηθευτές. Ο Kramer έγραψε επίσης ότι η Deepgram υιοθετεί το Pipecat ως τον πυρήνα των νέων προϊόντων και υπηρεσιών της στον τομέα της φωνητικής τεχνητής νοημοσύνης.

Ο Kramer έγραψε ότι το Pipecat διαθέτει περισσότερες από 200 ενσωματώσεις και σχεδόν 400 συνεισφέροντες. Απέδωσε τα εύσημα σε 18 μηχανικούς για την κατασκευή του πλαισίου, ευχαριστώντας ιδιαίτερα τον Mark, ο οποίος, όπως είπε, καθοδηγεί την ανάπτυξη του Pipecat από την κυκλοφορία του. Ευχαρίστησε επίσης τους επενδυτές που ηγήθηκαν των γύρων χρηματοδότησης της Daily — David Waxman από την TenOneTen, Avidan Ross από την Root, Jenny Lefcourt από την Freestyle, Lachy Groom και Roseanne και Renata από την Renegade Partners — καθώς και τα μέλη του διοικητικού συμβουλίου Lee Edwards και Roseanne Wincek.

Η κοινή ιστορία των εταιρειών

Ο Kramer αφηγήθηκε ότι ίδρυσε την Daily μαζί με τη Nina, με στόχο να δημιουργήσουν υποδομή για ήχο και βίντεο πραγματικού χρόνου. Αυτό απαιτούσε τη συγγραφή βελτιστοποιημένου λογισμικού δρομολόγησης πακέτων, τον σχεδιασμό και την ανάπτυξη εξειδικευμένων υπολογιστικών συστάδων σε δεκάδες τοποθεσίες παγκοσμίως, καθώς και τη δημιουργία βιβλιοθηκών πελάτη που επιτρέπουν στους προγραμματιστές να ενσωματώνουν ήχο και βίντεο πραγματικού χρόνου σε διαδικτυακές εφαρμογές, εφαρμογές για υπολογιστές και εγγενείς εφαρμογές για κινητά. Η Daily και η Deepgram συμμετείχαν μαζί στο Y Combinator το 2016, έγραψε, και η Deepgram παρέχει τη λειτουργία απομαγνητοφώνησης στις διεπαφές προγραμματισμού εφαρμογών ήχου και βίντεο της Daily από το 2019.

Η Daily άρχισε να αναπτύσσει φωνητικούς πράκτορες πραγματικού χρόνου και πειραματικό λογισμικό σχεδιασμένο εξαρχής για την τεχνητή νοημοσύνη το 2023, έγραψε ο Kramer, και το 2024 διέθεσε ολόκληρο το Pipecat ως ανοιχτό κώδικα: το βασικό πλαίσιο ενορχήστρωσης, τα SDK στην πλευρά του πελάτη για κάθε πλατφόρμα και γλώσσα, το πρότυπο μηνυμάτων και συμβάντων RTVI, το εγγενές μοντέλο ανίχνευσης σειράς ομιλίας Smart Turn του Pipecat, τη μεταφορά SmallWebRTC και τη βιβλιοθήκη μηχανικής συμφραζομένων Pipecat Flows. Περιέγραψε το Pipecat ως το ευρύτερα χρησιμοποιούμενο πλαίσιο για φωνητικούς πράκτορες και πολυτροπική τεχνητή νοημοσύνη, επισημαίνοντας ότι αντιμετωπίζει προβλήματα όπως η εναλλαγή μεταξύ μοντέλων, η μεταφορά δεδομένων μέσω δικτύου με χαμηλή καθυστέρηση, η ροή δεδομένων μεταξύ μοντέλων, η ανίχνευση σειράς ομιλίας και η διαχείριση διακοπών.

Σύμφωνα με την ανακοίνωση της Deepgram, η υποδομή της Daily είναι ένα παγκόσμιο δίκτυο 75 σημείων παρουσίας, σχεδιασμένο για τις απαιτήσεις καθυστέρησης και αξιοπιστίας της ζωντανής τεχνητής νοημοσύνης. Η Deepgram δήλωσε ότι τα δικά της μοντέλα ομιλίας και η υποδομή πραγματικού χρόνου τροφοδοτούν εφαρμογές συνομιλιακής τεχνητής νοημοσύνης με φωνή σε παραγωγική λειτουργία για περισσότερους από 5.000 οργανισμούς παγκοσμίως, και ότι περισσότεροι από 650.000 προγραμματιστές έχουν χρησιμοποιήσει την Deepgram για την επεξεργασία περισσότερων από 200.000 ετών ηχητικού υλικού.

Real-Time Context Standard και επόμενα βήματα

Στην εκδήλωση Speak, ο Stephenson παρουσίασε επίσης το Real-Time Context Standard (RCS), ένα ανοιχτό πρωτόκολλο που αναπτύχθηκε από κοινού με την ομάδα του Pipecat. Σύμφωνα με την Deepgram, το RCS καλύπτει ένα κενό στα σημερινά συστήματα φωνητικής τεχνητής νοημοσύνης: οι λέξεις περνούν από το ένα μοντέλο στο επόμενο, αλλά στην πορεία χάνεται το ηχητικό πλαίσιο που τις περιβάλλει, όπως ο τόνος, το ποιος μιλά και όσα συμβαίνουν στο παρασκήνιο. Το RCS ορίζει τρεις νέους τύπους μεταδεδομένων: πληροφορίες από τον ήχο, όπως ένας ψίθυρος ή μια δυσδιάκριτη λέξη· οδηγίες για το πώς πρέπει ένα γλωσσικό μοντέλο να χρησιμοποιεί αυτά τα σήματα· και κατευθύνσεις για το πώς πρέπει να ακούγεται η απάντηση. Οι προσαρμογείς μεταφράζουν αυτά τα σήματα και τις οδηγίες απόδοσης για κάθε μοντέλο, ώστε οι προγραμματιστές να μπορούν να εφαρμόζουν την ίδια προσέγγιση με μοντέλα διαφορετικών παρόχων.

Το αποθετήριο επίδειξης του Real-Time Context Standard περιγράφει το RCS ως ένα ανοιχτό πρότυπο που μεταφέρει αυτό το πλαίσιο μέσα στην ίδια ροή κειμένου, σε μορφές που μπορεί να παράγει και να διαβάζει κάθε μοντέλο της αλυσίδας. Ο φωνητικός πράκτορας επίδειξης εξυπηρετεί πελάτες ενός καταστήματος εξοπλισμού για υπαίθριες δραστηριότητες με την ονομασία Northwind Outfitters, συνδυάζοντας τη μετατροπή ομιλίας σε κείμενο Deepgram Flux, ένα εργαλείο ανάλυσης τόνου που εξετάζει κάθε μήνυμα του χρήστη για να εντοπίσει συναισθήματα και σαρκασμό, το γλωσσικό μοντέλο PhoneLLM Mini και τη μετατροπή κειμένου σε ομιλία ElevenLabs, με ανάπτυξη στο Pipecat Cloud. Η Deepgram κάλεσε προγραμματιστές, παρόχους μοντέλων και ομάδες που αναπτύσσουν φωνητικές εφαρμογές να δοκιμάσουν το RCS στα δικά τους συστήματα, να υποβάλουν σχόλια και να συνεισφέρουν στις προδιαγραφές.

Αργότερα την ίδια μέρα, στο Speak, ο διευθυντής προϊόντος Ed Anuff επρόκειτο να παρουσιάσει για πρώτη φορά την επερχόμενη πλατφόρμα Deepgram Voice Agent Platform και δύο νέα μοντέλα, σχεδιασμένα για ζωντανές συνομιλίες και διευρυμένη υποστήριξη γλωσσών, καθώς και ένα Global API που έχει σχεδιαστεί για να βελτιώσει την αξιοπιστία των συνδέσεων και να μειώσει την καθυστέρηση. Η Deepgram δήλωσε ότι οι πλήρεις τεχνικές λεπτομέρειες, οι επιδείξεις και οι πληροφορίες διαθεσιμότητας για τις υπόλοιπες ανακοινώσεις προϊόντων της ημέρας θα δημοσιεύονταν στο ιστολόγιό της μετά την κεντρική ομιλία του Anuff.