Deepgram、Dailyを買収し、Pipecatのオープンソース継続を確約

Deepgramは2026年10月29日、オープンソースの音声エージェントフレームワークPipecatを手がけるDailyを買収すると発表した。サンフランシスコで開催された第1回Deepgram Speakイベントで、この買収を明らかにした。DailyのチームはDeepgramに加わる一方、Pipecatは既存のBSD V2ライセンスの下で、完全なオープンソースかつ開発者が無料で利用できる状態を維持する。

Deepgramによると、PipecatとDailyのグローバルなリアルタイムネットワークインフラは、自社の音声モデルとともに、新たなVoice Agent Platformの基盤となる。同社はこれを、会話型音声AI向けとして初の、完全かつオープンで、本番環境に対応したプラットフォームだと説明した。また、Pipecatは世界で最も人気のあるオープンソースの音声エージェントフレームワークであり、Dailyのネットワークは超低遅延と高い信頼性でエンドユーザーと音声エージェントをつなぐと述べた。

Dailyの共同創業者であるKwindla Hultman Kramerは、Deepgramでオープンソース担当責任者に就任する。「Pipecatをオープンな状態に保つことは、Deepgramに加わる決断をするうえで欠かせない条件でした」と、Kramerは買収発表で述べた。DeepgramのCEO兼共同創業者であるScott Stephensonは、KramerとDailyのチームは、稼働中の会話を確実に機能させ続けるために必要なことを理解していると語った。また、Dailyの買収により、同社の専門知識とDeepgramの専門知識を結集して音声システム全体の課題に取り組み、開発者がプロトタイプから本番環境へより迅速に移行できるようになると述べた。

オープンソースへの取り組みとPipecat Foundation

BSD V2ライセンスの下でフレームワークを無料で提供し続けることに加え、DeepgramはPipecatの継続的な開発とコミュニティに投資すると述べた。また、Pipecat全体をオープンソースかつベンダー中立に保ち、開発者がさまざまなプロバイダーのモデル、ツール、ネットワークトランスポート、APIを自由に選択し、組み合わせられるようにする。両社はさらに、フレームワークの開発に貢献し、利用してきた多くの組織とともに、独立したPipecat Foundationを設立する。

Dailyのブログに掲載された別の投稿で、Kramerは、財団を運営する運営委員会には、Deepgramの競合企業を含め、リアルタイムAIエコシステム全体を代表する組織が参加すると記した。また、Dailyの顧客とPipecatのエコシステムに変更はないと述べた。Deepgramは、WebRTC、テレフォニー、クロスプラットフォームライブラリなど、Dailyが現在提供するすべての製品とサービスを販売、サポート、開発し、Pipecatは引き続きベンダー中立のままとなる。さらにKramerは、Deepgramが新たな音声AI製品とサービスの中核としてPipecatを採用すると記した。

Kramerによると、Pipecatには200を超えるインテグレーションと、約400人のコントリビューターがいる。同氏は、フレームワークの構築に携わった18人のエンジニアを称え、Pipecatの公開以来、開発を主導してきたというMarkに特に感謝を示した。また、Dailyの資金調達ラウンドを主導した投資家であるTenOneTenのDavid Waxman、RootのAvidan Ross、FreestyleのJenny Lefcourt、Lachy Groom、Renegade PartnersのRoseanneとRenataに加え、取締役のLee EdwardsとRoseanne Wincekにも謝意を表した。

両社のこれまでの歩み

Kramerは、リアルタイム音声・映像向けのインフラを構築するため、NinaとDailyを創業したと振り返った。そのために、最適化されたパケットルーティングソフトウェアを開発し、世界各地の数十カ所に専用のコンピューティングクラスターを設計・導入し、開発者がリアルタイム音声・映像をウェブ、デスクトップ、ネイティブのモバイルアプリケーションに組み込めるクライアントライブラリを作成したという。Kramerによると、DailyとDeepgramは2016年にともにY Combinatorに参加し、2019年以降、DeepgramはDailyの音声・映像API内で文字起こし機能を提供している。

Kramerによると、Dailyは2023年にリアルタイム音声エージェントとAIネイティブのソフトウェア実験の開発を始め、2024年にはPipecatを構成するすべての要素をオープンソース化した。これには、中核となるオーケストレーションフレームワーク、あらゆるプラットフォームと言語に対応するクライアント側SDK、RTVIメッセージングおよびイベント標準、ネイティブ音声によるターン検出モデルPipecat Smart Turn、SmallWebRTCトランスポート、コンテキストエンジニアリングライブラリPipecat Flowsが含まれる。同氏は、Pipecatを音声エージェントおよびマルチモーダルAI向けとして最も広く使われているフレームワークだと説明し、モデルの切り替え、低遅延のネットワークトランスポート、モデル間のストリーミングデータ転送、ターン検出、割り込み処理などの課題に対応すると述べた。

Deepgramの発表によると、Dailyのインフラは、ライブAIに求められる遅延と信頼性に対応するよう設計された、世界75カ所のポイント・オブ・プレゼンス（PoP）からなるネットワークだ。Deepgramは、自社の音声モデルとリアルタイムインフラにより、世界中の5,000を超える組織で本番環境の会話型音声AIを稼働させていると述べた。また、65万人を超える開発者がDeepgramを利用し、20万年分を超える音声を処理してきたという。

Real-Time Context Standardと今後の展開

SpeakではStephensonが、Pipecatチームと共同開発したオープンプロトコル、Real-Time Context Standard（RCS）も発表した。Deepgramによると、RCSは現在の音声AIシステムにある課題に対処する。言葉はモデルから次のモデルへ渡される一方で、声の調子、誰が話しているか、背景で何が起きているかといった、言葉を取り巻く音声の文脈は、その過程で失われてしまう。RCSは、ささやき声や不明瞭な単語など、音声から得られる文脈、そうした信号を言語モデルがどのように使うべきかを示す指示、応答をどのような音声にするかについての指針という、3種類の新たなメタデータを定義する。アダプターがモデルごとに信号と出力方法の指示を変換するため、開発者は異なるプロバイダーのモデルにも同じ方法を適用できる。

リアルタイム・コンテキスト標準のデモ用リポジトリでは、RCSは、チェーン内のあらゆるモデルが生成・読み取りできる形式で、コンテキストを同じテキストストリームに含めるオープン標準として説明されています。このデモの音声エージェントは、Northwind Outfittersというアウトドア用品店のカスタマーサービスを担当します。Deepgram Fluxによる音声認識、ユーザーの各発話から感情や皮肉を読み取るトーン分析ツール、言語モデルのPhoneLLM Mini、音声合成のElevenLabsを連携させ、Pipecat Cloud上にデプロイしています。Deepgramは、開発者、モデルプロバイダー、音声アプリケーションを開発するチームに対し、自社のシステムでRCSをテストし、フィードバックを共有して、仕様策定に貢献するよう呼びかけました。

同日後半に開催されたSpeakでは、最高製品責任者のEd Anuffが、近日公開予定のDeepgram Voice Agent Platformを予告し、リアルタイムの会話、拡充された言語対応、接続の信頼性向上と遅延低減を目指すGlobal API向けに開発された2つの新モデルを紹介する予定でした。Deepgramによると、その日の残りの製品発表に関する技術的な詳細、デモ、提供状況は、Anuffの基調講演後に同社のブログで公開される予定でした。