Deepgram ने Daily का अधिग्रहण किया, Pipecat को ओपन सोर्स बनाए रखने की प्रतिबद्धता

Deepgram ने 29 अक्टूबर 2026 को घोषणा की कि वह Daily का अधिग्रहण कर रही है। Daily, ओपन-सोर्स Pipecat वॉइस एजेंट फ़्रेमवर्क के पीछे की कंपनी है। इस सौदे की घोषणा सैन फ़्रांसिस्को में Deepgram के पहले Deepgram Speak कार्यक्रम में की गई। Daily की टीम Deepgram से जुड़ेगी और Pipecat अपने मौजूदा BSD V2 लाइसेंस के तहत पूरी तरह ओपन सोर्स और डेवलपरों के लिए निःशुल्क बना रहेगा।

Deepgram ने कहा कि Pipecat और Daily का वैश्विक रीयल-टाइम नेटवर्क इंफ़्रास्ट्रक्चर, उसके अपने स्पीच मॉडल के साथ, उसके नए वॉइस एजेंट प्लेटफ़ॉर्म का आधार बनेगा। कंपनी के मुताबिक, इससे संवादात्मक वॉइस AI के लिए पहला संपूर्ण, ओपन और उत्पादन-स्तर का प्लेटफ़ॉर्म तैयार होगा। कंपनी ने Pipecat को दुनिया का सबसे लोकप्रिय ओपन-सोर्स वॉइस एजेंट फ़्रेमवर्क बताया और कहा कि Daily का नेटवर्क अंतिम उपयोगकर्ताओं को बेहद कम विलंबता और उच्च विश्वसनीयता के साथ वॉइस एजेंटों से जोड़ता है।

Daily के सह-संस्थापक Kwindla Hultman Kramer, Deepgram में ओपन सोर्स प्रमुख के रूप में शामिल होंगे। अधिग्रहण की घोषणा में Kramer ने कहा, “Pipecat को ओपन बनाए रखना, Deepgram से जुड़ने के हमारे फ़ैसले का बुनियादी पहलू था।” Deepgram के CEO और सह-संस्थापक Scott Stephenson ने कहा कि Kramer और Daily की टीम जानते हैं कि किसी लाइव बातचीत को भरोसेमंद ढंग से जारी रखने के लिए क्या करना पड़ता है। उन्होंने कहा कि Daily के अधिग्रहण से यह विशेषज्ञता Deepgram की विशेषज्ञता के साथ जुड़ जाएगी, जिससे पूरी वॉइस प्रणाली पर काम किया जा सकेगा और डेवलपरों को प्रोटोटाइप से उत्पादन तक पहुँचने का तेज़ रास्ता मिलेगा।

ओपन-सोर्स प्रतिबद्धताएँ और Pipecat फ़ाउंडेशन

BSD V2 लाइसेंस के तहत फ़्रेमवर्क को निःशुल्क बनाए रखने के अलावा, Deepgram ने कहा कि वह Pipecat के निरंतर विकास और समुदाय में निवेश करेगी। साथ ही, Pipecat को पूरी तरह ओपन सोर्स और किसी एक विक्रेता से स्वतंत्र रखा जाएगा, ताकि डेवलपर अलग-अलग प्रदाताओं के मॉडल, टूल, नेटवर्क ट्रांसपोर्ट और API चुनकर उन्हें एक साथ इस्तेमाल कर सकें। कंपनियाँ उन कई संगठनों के साथ मिलकर एक स्वतंत्र Pipecat फ़ाउंडेशन भी बना रही हैं, जिन्होंने इस फ़्रेमवर्क में योगदान दिया है और इसका इस्तेमाल करते हैं।

Daily के ब्लॉग पर एक अलग पोस्ट में Kramer ने लिखा कि फ़ाउंडेशन का प्रबंधन एक संचालन समिति करेगी, जिसमें रीयल-टाइम AI इकोसिस्टम के सभी हिस्सों का प्रतिनिधित्व होगा—उन कंपनियों का भी, जो Deepgram की प्रतिस्पर्धी हैं। उन्होंने लिखा कि Daily के ग्राहकों और Pipecat इकोसिस्टम के लिए कुछ भी नहीं बदलेगा: Deepgram, Daily के सभी मौजूदा उत्पादों और सेवाओं की बिक्री, सहायता और विकास जारी रखेगी। इनमें WebRTC, टेलीफ़ोनी और क्रॉस-प्लेटफ़ॉर्म लाइब्रेरी शामिल हैं, और Pipecat किसी एक विक्रेता से स्वतंत्र बना रहेगा। Kramer ने यह भी लिखा कि Deepgram अपने नए वॉइस AI उत्पादों और सेवाओं के मूल आधार के रूप में Pipecat को अपना रही है।

Kramer ने लिखा कि Pipecat के 200 से अधिक इंटीग्रेशन और लगभग 400 योगदानकर्ता हैं। उन्होंने फ़्रेमवर्क बनाने का श्रेय 18 इंजीनियरों को दिया और Mark का विशेष रूप से आभार जताया। उनके मुताबिक, Mark ने Pipecat के लॉन्च के बाद से उसके विकास को आगे बढ़ाया है। उन्होंने Daily के निवेश दौरों का नेतृत्व करने वाले निवेशकों—TenOneTen के David Waxman, Root के Avidan Ross, Freestyle की Jenny Lefcourt, Lachy Groom और Renegade Partners की Roseanne तथा Renata—के साथ-साथ बोर्ड सदस्यों Lee Edwards और Roseanne Wincek का भी धन्यवाद किया।

कंपनियों का साझा इतिहास

Kramer ने बताया कि उन्होंने और Nina ने रीयल-टाइम ऑडियो और वीडियो के लिए इंफ़्रास्ट्रक्चर बनाने के उद्देश्य से Daily की स्थापना की थी। इसके लिए ऑप्टिमाइज़्ड पैकेट-रूटिंग सॉफ़्टवेयर लिखना, दुनिया भर के दर्जनों स्थानों पर विशेष कंप्यूट क्लस्टर डिज़ाइन और तैनात करना, और ऐसी क्लाइंट लाइब्रेरी बनाना ज़रूरी था जिनसे डेवलपर वेब, डेस्कटॉप और नेटिव मोबाइल ऐप्लिकेशन में रीयल-टाइम ऑडियो और वीडियो जोड़ सकें। उन्होंने लिखा कि Daily और Deepgram ने 2016 में Y Combinator कार्यक्रम में साथ हिस्सा लिया था और 2019 से Deepgram, Daily के ऑडियो-वीडियो API में ट्रांसक्रिप्शन की सुविधा दे रही है।

Kramer ने लिखा कि Daily ने 2023 में रीयल-टाइम वॉइस एजेंट और AI-नेटिव सॉफ़्टवेयर के प्रयोग बनाना शुरू किया और 2024 में Pipecat के सभी हिस्सों को ओपन सोर्स किया: मुख्य ऑर्केस्ट्रेशन फ़्रेमवर्क, हर प्लेटफ़ॉर्म और भाषा के लिए क्लाइंट-साइड SDK, RTVI मैसेजिंग और इवेंट मानक, Pipecat Smart Turn नेटिव-ऑडियो टर्न-डिटेक्शन मॉडल, SmallWebRTC ट्रांसपोर्ट और Pipecat Flows कॉन्टेक्स्ट इंजीनियरिंग लाइब्रेरी। उन्होंने Pipecat को वॉइस एजेंटों और मल्टीमॉडल AI के सबसे व्यापक रूप से इस्तेमाल किए जाने वाले फ़्रेमवर्क के रूप में बताया। उनके अनुसार, यह मॉडल बदलने, कम-विलंबता वाले नेटवर्क ट्रांसपोर्ट, मॉडल के बीच डेटा स्ट्रीम करने, बारी पहचानने और बीच में बाधा आने पर उसे संभालने जैसी समस्याओं का समाधान करता है।

Deepgram की घोषणा के अनुसार, Daily का इंफ़्रास्ट्रक्चर दुनिया भर में मौजूद 75 पॉइंट ऑफ़ प्रेज़ेन्स का नेटवर्क है, जिसे लाइव AI की विलंबता और विश्वसनीयता संबंधी ज़रूरतों को पूरा करने के लिए तैयार किया गया है। Deepgram ने कहा कि उसके अपने स्पीच मॉडल और रीयल-टाइम इंफ़्रास्ट्रक्चर दुनिया भर में 5,000 से अधिक संगठनों के लिए उत्पादन में संवादात्मक वॉइस AI को शक्ति देते हैं। कंपनी के मुताबिक, 650,000 से अधिक डेवलपरों ने Deepgram का इस्तेमाल करके 200,000 वर्ष से अधिक के ऑडियो को प्रोसेस किया है।

रीयल-टाइम कॉन्टेक्स्ट स्टैंडर्ड और अगले कदम

Speak कार्यक्रम में Stephenson ने Pipecat टीम के साथ मिलकर विकसित किया गया ओपन प्रोटोकॉल Real-Time Context Standard (RCS) भी पेश किया। Deepgram के अनुसार, RCS मौजूदा वॉइस AI प्रणालियों की एक कमी को दूर करता है: शब्द एक मॉडल से दूसरे मॉडल तक पहुँच जाते हैं, लेकिन उनसे जुड़ा ऑडियो संदर्भ—जैसे बोलने का लहजा, कौन बोल रहा है और पृष्ठभूमि में क्या हो रहा है—रास्ते में खो जाता है। RCS तीन नए प्रकार के मेटाडेटा निर्धारित करता है: ऑडियो से मिला संदर्भ, जैसे फुसफुसाहट या अस्पष्ट शब्द; भाषा मॉडल को उन संकेतों का इस्तेमाल कैसे करना चाहिए, इस बारे में निर्देश; और जवाब कैसा सुनाई देना चाहिए, इस बारे में मार्गदर्शन। अडैप्टर हर मॉडल के लिए उन संकेतों और जवाब देने के निर्देशों का अनुवाद करते हैं, ताकि डेवलपर अलग-अलग प्रदाताओं के मॉडल के साथ एक ही तरीका अपना सकें।

Real-Time Context Standard का डेमो रिपॉज़िटरी RCS को एक खुले मानक के रूप में प्रस्तुत करता है, जो उस संदर्भ को उसी टेक्स्ट स्ट्रीम में ऐसे प्रारूपों में आगे ले जाता है जिन्हें श्रृंखला का कोई भी मॉडल तैयार और पढ़ सकता है। इसका डेमो वॉइस एजेंट Northwind Outfitters नाम की आउटडोर गियर की दुकान के लिए ग्राहक सेवा संभालता है। इसमें Deepgram Flux का स्पीच-टू-टेक्स्ट, हर उपयोगकर्ता की बारी में भावनाओं और व्यंग्य को पहचानने वाला एक टोन रीडर, PhoneLLM Mini भाषा मॉडल और ElevenLabs का टेक्स्ट-टू-स्पीच क्रम से जुड़े हैं; इसे Pipecat Cloud पर तैनात किया गया है। Deepgram ने डेवलपरों, मॉडल प्रदाताओं और वॉइस ऐप्लिकेशन बनाने वाली टीमों को अपने सिस्टम में RCS का परीक्षण करने, प्रतिक्रिया साझा करने और विनिर्देश में योगदान देने के लिए आमंत्रित किया।

उसी दिन बाद में Speak में, मुख्य उत्पाद अधिकारी Ed Anuff को आगामी Deepgram Voice Agent Platform की शुरुआती झलक दिखानी थी और लाइव बातचीत के लिए बनाए गए दो नए मॉडल पेश करने थे। इन मॉडलों में विस्तारित भाषा समर्थन और कनेक्शन की विश्वसनीयता बढ़ाने तथा विलंबता घटाने के लिए तैयार किया गया Global API भी शामिल था। Deepgram ने कहा कि दिन की बाकी उत्पाद घोषणाओं के पूरे तकनीकी विवरण, डेमो और उपलब्धता Anuff के मुख्य भाषण के बाद उसके ब्लॉग पर प्रकाशित किए जाएंगे।