Deepgram придбала Daily і зобов’язалася зберегти відкритий код Pipecat

29 жовтня 2026 року Deepgram оголосила про придбання Daily — компанії, що стоїть за голосовим фреймворком Pipecat із відкритим кодом. Про угоду повідомили на першому заході Deepgram Speak у Сан-Франциско. Команда Daily приєднається до Deepgram, а Pipecat залишиться повністю відкритим і безплатним для розробників відповідно до чинної ліцензії BSD V2.

За словами Deepgram, Pipecat і глобальна мережева інфраструктура Daily для роботи в реальному часі стануть основою нової платформи голосових агентів компанії разом із власними мовленнєвими моделями Deepgram. Компанія назвала її першою повноцінною відкритою платформою для розмовного голосового ШІ, готовою до використання у виробничому середовищі. Deepgram охарактеризувала Pipecat як найпопулярніший у світі фреймворк голосових агентів із відкритим кодом і зазначила, що мережа Daily з’єднує кінцевих користувачів із голосовими агентами із наднизькою затримкою та високою надійністю.

Співзасновник Daily Квіндла Гультман Крамер приєднається до Deepgram на посаді керівника напряму відкритого коду. «Збереження відкритого коду Pipecat було принциповою умовою нашого рішення приєднатися до Deepgram», — сказав Крамер в оголошенні про придбання. Генеральний директор і співзасновник Deepgram Скотт Стівенсон заявив, що Крамер і команда Daily знають, що потрібно для надійної роботи живої розмови, а придбання Daily поєднує їхній досвід із досвідом Deepgram, щоб удосконалити всю голосову систему й дати розробникам змогу швидше переходити від прототипу до виробничого середовища.

Зобов’язання щодо відкритого коду та фонд Pipecat

Окрім того, що фреймворк і надалі буде безплатним за ліцензією BSD V2, Deepgram інвестуватиме в його подальший розвиток і спільноту, зберігаючи весь Pipecat відкритим і незалежним від постачальників. Це дасть розробникам змогу обирати й поєднувати моделі, інструменти, мережевий транспорт і API від різних постачальників. Компанії також спільно з багатьма організаціями, які долучилися до розробки фреймворку та використовують його, створюють незалежний фонд Pipecat.

В окремому дописі в блозі Daily Крамер написав, що фондом керуватиме керівний комітет, який представлятиме всю екосистему ШІ реального часу, зокрема й компанії, що конкурують із Deepgram. За його словами, для клієнтів Daily та екосистеми Pipecat нічого не зміниться: Deepgram продаватиме, підтримуватиме й розвиватиме всі поточні продукти та послуги Daily, зокрема WebRTC, телефонію та кросплатформні бібліотеки, а Pipecat і надалі залишатиметься незалежним від постачальників. Крамер також написав, що Deepgram використовуватиме Pipecat як основу своїх нових продуктів і послуг у сфері голосового ШІ.

Крамер написав, що Pipecat має понад 200 інтеграцій і майже 400 учасників розробки. Він відзначив внесок 18 інженерів у створення фреймворку й окремо подякував Марку, який, за його словами, керує розвитком Pipecat від самого запуску. Також він подякував інвесторам, які очолювали раунди фінансування Daily: Девіду Ваксману з TenOneTen, Авідану Россу з Root, Дженні Лефкур із Freestyle, Лачі Груму, а також Роузенн і Ренаті з Renegade Partners, — і членам ради директорів Лі Едвардсу та Роузенн Вінсек.

Спільна історія компаній

Крамер розповів, що вони з Ніною заснували Daily, щоб створити інфраструктуру для аудіо- й відеозв’язку в реальному часі. Для цього потрібно було написати оптимізоване програмне забезпечення для маршрутизації пакетів, спроєктувати й розгорнути спеціалізовані обчислювальні кластери в десятках місць по всьому світу, а також розробити клієнтські бібліотеки, які дають змогу вбудовувати аудіо- й відеозв’язок у реальному часі у вебзастосунки, програми для комп’ютерів і нативні мобільні застосунки. За словами Крамера, у 2016 році Daily і Deepgram разом пройшли акселераційну програму Y Combinator, а з 2019 року Deepgram забезпечує транскрибування в аудіо- й відеоінтерфейсах API Daily.

У 2023 році Daily почала створювати голосових агентів і експериментальне програмне забезпечення, розроблене насамперед для ШІ, написав Крамер. У 2024 році компанія відкрила код усіх компонентів Pipecat: базового фреймворку оркестрації, клієнтських SDK для кожної платформи й мови програмування, стандарту обміну повідомленнями та подіями RTVI, нативної аудіомоделі Pipecat Smart Turn для визначення зміни черги мовлення, транспортного компонента SmallWebRTC і бібліотеки Pipecat Flows для проєктування контексту. Він назвав Pipecat найпоширенішим фреймворком для голосових агентів і мультимодального ШІ та зазначив, що він розв’язує такі проблеми, як перемикання між моделями, низьколатентне передавання даних мережею, потокове передавання даних між моделями, визначення зміни черги мовлення та обробка переривань.

Згідно з оголошенням Deepgram, інфраструктура Daily — це глобальна мережа зі 75 точок присутності, створена з урахуванням вимог живого ШІ до затримки й надійності. Deepgram повідомила, що її власні мовленнєві моделі та інфраструктура реального часу забезпечують роботу розмовного голосового ШІ у виробничому середовищі для понад 5 000 організацій у всьому світі, а понад 650 000 розробників використовували Deepgram для обробки більш ніж 200 000 років аудіо.

Стандарт контексту в реальному часі та подальші кроки

На заході Speak Стівенсон також представив Real-Time Context Standard (RCS) — відкритий протокол, розроблений спільно з командою Pipecat. За даними Deepgram, RCS усуває прогалину в сучасних системах голосового ШІ: слова передаються від однієї моделі до іншої, але аудіоконтекст — наприклад, тон, особа мовця й події на тлі — губиться. RCS визначає три нові типи метаданих: контекст з аудіо, як-от шепіт або нерозбірливе слово; інструкції щодо того, як мовна модель має використовувати ці сигнали; і вказівки щодо того, як має звучати відповідь. Адаптери перетворюють ці сигнали й інструкції з подавання для кожної моделі, тож розробники можуть використовувати однаковий підхід із моделями різних постачальників.

У деморепозиторії Real-Time Context Standard RCS описано як відкритий стандарт, що передає цей контекст у тому самому текстовому потоці у форматах, які може створювати й зчитувати будь-яка модель у ланцюжку. Демонстраційний голосовий агент обробляє запити клієнтів магазину спорядження для активного відпочинку Northwind Outfitters, послідовно залучаючи Deepgram Flux для перетворення мовлення на текст, інструмент аналізу тону, який визначає емоції та сарказм у кожній репліці користувача, мовну модель PhoneLLM Mini та ElevenLabs для перетворення тексту на мовлення; агент розгорнуто на Pipecat Cloud. Deepgram запросила розробників, постачальників моделей і команди, які створюють голосові застосунки, випробувати RCS у власних системах, поділитися відгуками та долучитися до роботи над специфікацією.

Пізніше того самого дня на заході Speak директор із продуктів Ед Ануфф мав попередньо представити майбутню платформу Deepgram Voice Agent Platform і презентувати дві нові моделі для спілкування в реальному часі, розширену підтримку мов і глобальний API, покликаний підвищити надійність з’єднання та зменшити затримку. Deepgram повідомила, що повні технічні подробиці, демонстрації та інформацію про доступність решти анонсованих того дня продуктів опублікує у своєму блозі після основної доповіді Ануффа.