Deepgram mua lại Daily, cam kết duy trì Pipecat dưới dạng mã nguồn mở

Ngày 29 tháng 10 năm 2026, Deepgram thông báo đang mua lại Daily, công ty phát triển bộ khung tác nhân giọng nói mã nguồn mở Pipecat. Thương vụ được công bố tại sự kiện Deepgram Speak đầu tiên của công ty ở San Francisco. Đội ngũ Daily sẽ gia nhập Deepgram, còn Pipecat vẫn hoàn toàn miễn phí và có mã nguồn mở dành cho nhà phát triển theo giấy phép BSD V2 hiện hành.

Deepgram cho biết Pipecat và hạ tầng mạng toàn cầu, thời gian thực của Daily sẽ là nền tảng cho Voice Agent Platform mới của công ty, bên cạnh các mô hình giọng nói do Deepgram phát triển. Theo Deepgram, sự kết hợp này sẽ tạo nên nền tảng mở hoàn chỉnh, đạt chuẩn triển khai thực tế đầu tiên dành cho AI giọng nói đàm thoại. Công ty mô tả Pipecat là bộ khung tác nhân giọng nói mã nguồn mở phổ biến nhất thế giới, đồng thời cho biết mạng lưới của Daily kết nối người dùng cuối với các tác nhân giọng nói có độ trễ cực thấp và độ tin cậy cao.

Kwindla Hultman Kramer, đồng sáng lập Daily, sẽ gia nhập Deepgram với cương vị Trưởng bộ phận Mã nguồn mở. “Việc duy trì Pipecat dưới dạng mã nguồn mở là yếu tố cốt lõi trong quyết định gia nhập Deepgram của chúng tôi,” Kramer cho biết trong thông báo về thương vụ mua lại. Scott Stephenson, CEO kiêm đồng sáng lập Deepgram, cho biết Kramer và đội ngũ Daily hiểu rõ cần làm gì để duy trì hoạt động ổn định của một cuộc trò chuyện trực tiếp. Ông nói thêm, việc mua lại Daily giúp kết hợp chuyên môn đó với chuyên môn của Deepgram để giải quyết toàn diện các vấn đề của hệ thống giọng nói, đồng thời giúp nhà phát triển nhanh chóng đưa sản phẩm từ giai đoạn nguyên mẫu vào vận hành thực tế.

Cam kết về mã nguồn mở và Pipecat Foundation

Ngoài việc duy trì bộ khung miễn phí theo giấy phép BSD V2, Deepgram cho biết công ty sẽ đầu tư vào quá trình phát triển Pipecat trong tương lai và cộng đồng của nền tảng, đồng thời giữ toàn bộ Pipecat ở dạng mã nguồn mở, không phụ thuộc nhà cung cấp. Nhờ đó, nhà phát triển có thể lựa chọn và kết hợp các mô hình, công cụ, phương thức truyền tải mạng và API từ nhiều nhà cung cấp khác nhau. Hai công ty cũng đang cùng nhiều tổ chức đã đóng góp cho và sử dụng bộ khung này thành lập Pipecat Foundation độc lập.

Trong một bài đăng riêng trên blog của Daily, Kramer viết rằng quỹ sẽ do một ban chỉ đạo quản lý, với đại diện của toàn bộ hệ sinh thái AI thời gian thực, trong đó có cả những công ty cạnh tranh với Deepgram. Ông cho biết khách hàng của Daily và hệ sinh thái Pipecat sẽ không có gì thay đổi: Deepgram sẽ bán, hỗ trợ và phát triển tất cả sản phẩm, dịch vụ hiện có của Daily, bao gồm WebRTC, dịch vụ điện thoại và thư viện đa nền tảng; Pipecat vẫn sẽ không phụ thuộc nhà cung cấp. Kramer cũng viết rằng Deepgram đang sử dụng Pipecat làm nền tảng cốt lõi cho các sản phẩm và dịch vụ AI giọng nói mới của mình.

Kramer viết rằng Pipecat có hơn 200 tích hợp và gần 400 người đóng góp. Ông ghi nhận công sức của 18 kỹ sư đã xây dựng bộ khung này, đặc biệt cảm ơn Mark, người theo lời ông đã dẫn dắt quá trình phát triển Pipecat kể từ khi ra mắt. Ông cũng cảm ơn các nhà đầu tư đã dẫn dắt những vòng gọi vốn của Daily — David Waxman tại TenOneTen, Avidan Ross tại Root, Jenny Lefcourt tại Freestyle, Lachy Groom, cùng Roseanne và Renata tại Renegade Partners — cũng như các thành viên hội đồng quản trị Lee Edwards và Roseanne Wincek.

Lịch sử hợp tác giữa hai công ty

Kramer kể rằng ông và Nina thành lập Daily để xây dựng hạ tầng cho âm thanh và video thời gian thực. Công việc này bao gồm viết phần mềm định tuyến gói tin được tối ưu hóa, thiết kế và triển khai các cụm máy tính chuyên dụng tại hàng chục địa điểm trên toàn cầu, đồng thời xây dựng thư viện phía máy khách để nhà phát triển tích hợp âm thanh và video thời gian thực vào ứng dụng web, máy tính để bàn và ứng dụng di động gốc. Ông viết rằng Daily và Deepgram cùng tham gia Y Combinator vào năm 2016, còn Deepgram đã cung cấp tính năng phiên âm bên trong các API âm thanh-video của Daily kể từ năm 2019.

Kramer viết rằng Daily bắt đầu xây dựng các tác nhân giọng nói thời gian thực và thử nghiệm phần mềm lấy AI làm nền tảng vào năm 2023, rồi công bố mã nguồn mở toàn bộ Pipecat vào năm 2024. Các thành phần gồm bộ khung điều phối cốt lõi, SDK phía máy khách cho mọi nền tảng và ngôn ngữ, tiêu chuẩn nhắn tin và sự kiện RTVI, mô hình phát hiện lượt nói bằng âm thanh gốc Pipecat Smart Turn, phương thức truyền tải SmallWebRTC và thư viện kỹ thuật ngữ cảnh Pipecat Flows. Ông mô tả Pipecat là bộ khung được sử dụng rộng rãi nhất cho tác nhân giọng nói và AI đa phương thức, đồng thời cho biết nền tảng xử lý các vấn đề như chuyển đổi giữa các mô hình, truyền tải mạng độ trễ thấp, truyền dữ liệu trực tuyến giữa các mô hình, phát hiện lượt nói và xử lý ngắt lời.

Theo thông báo của Deepgram, hạ tầng của Daily là mạng lưới toàn cầu gồm 75 điểm hiện diện, được thiết kế để đáp ứng yêu cầu về độ trễ và độ tin cậy của AI hoạt động trực tiếp. Deepgram cho biết các mô hình giọng nói và hạ tầng thời gian thực của mình đang vận hành những ứng dụng AI giọng nói đàm thoại trong môi trường thực tế cho hơn 5.000 tổ chức trên toàn cầu; đồng thời, hơn 650.000 nhà phát triển đã sử dụng Deepgram để xử lý hơn 200.000 năm âm thanh.

Tiêu chuẩn Ngữ cảnh Thời gian thực và các bước tiếp theo

Tại sự kiện Speak, Stephenson cũng giới thiệu Tiêu chuẩn Ngữ cảnh Thời gian thực (RCS), một giao thức mở được đồng phát triển với nhóm Pipecat. Theo Deepgram, RCS khắc phục một thiếu sót trong các hệ thống AI giọng nói hiện nay: từ ngữ được truyền từ mô hình này sang mô hình khác, nhưng ngữ cảnh âm thanh đi kèm — chẳng hạn như giọng điệu, người đang nói và những gì diễn ra trong nền — lại bị mất trong quá trình đó. RCS xác định ba loại siêu dữ liệu mới: ngữ cảnh từ âm thanh, chẳng hạn như tiếng thì thầm hoặc một từ không rõ; hướng dẫn về cách mô hình ngôn ngữ nên sử dụng những tín hiệu đó; và chỉ dẫn về âm thanh của câu trả lời. Các bộ chuyển đổi chuyển đổi những tín hiệu và hướng dẫn truyền tải này cho từng mô hình, nhờ đó nhà phát triển có thể áp dụng cùng một phương thức với các mô hình từ nhiều nhà cung cấp khác nhau.

Kho lưu trữ bản minh họa của Real-Time Context Standard mô tả RCS là một tiêu chuẩn mở, truyền tải ngữ cảnh đó trong cùng luồng văn bản, ở các định dạng mà mọi mô hình trong chuỗi đều có thể tạo ra và đọc được. Tác nhân giọng nói minh họa xử lý dịch vụ khách hàng cho một cửa hàng bán đồ dùng ngoài trời tên là Northwind Outfitters, bằng cách kết nối tuần tự Deepgram Flux để chuyển giọng nói thành văn bản, một công cụ phân tích giọng điệu để nhận diện cảm xúc và lời mỉa mai trong từng lượt trao đổi của người dùng, mô hình ngôn ngữ PhoneLLM Mini và ElevenLabs để chuyển văn bản thành giọng nói; hệ thống được triển khai trên Pipecat Cloud. Deepgram mời các nhà phát triển, nhà cung cấp mô hình và các nhóm xây dựng ứng dụng giọng nói thử nghiệm RCS trên hệ thống của riêng họ, chia sẻ phản hồi và đóng góp cho bản đặc tả.

Cuối ngày hôm đó tại Speak, Giám đốc Sản phẩm Ed Anuff dự kiến sẽ giới thiệu trước nền tảng Deepgram Voice Agent Platform sắp ra mắt, đồng thời công bố hai mô hình mới được xây dựng cho các cuộc trò chuyện trực tiếp, khả năng hỗ trợ thêm nhiều ngôn ngữ và một Global API được thiết kế để cải thiện độ tin cậy của kết nối và giảm độ trễ. Deepgram cho biết các thông tin kỹ thuật đầy đủ, bản minh họa và thời điểm phát hành của những thông báo sản phẩm còn lại trong ngày sẽ được đăng trên blog của công ty sau bài phát biểu chính của Anuff.