Deepgram 收购 Daily，并承诺 Pipecat 将继续开源

Deepgram 于 2026 年 10 月 29 日宣布收购 Daily。Daily 是开源语音代理框架 Pipecat 的开发公司。Deepgram 在旧金山举行的首届 Deepgram Speak 活动上公布了这笔交易。Daily 团队将加入 Deepgram，Pipecat 则将继续完全开源，并依据现有的 BSD V2 许可证免费供开发者使用。

Deepgram 表示，Pipecat 和 Daily 的全球实时网络基础设施将与 Deepgram 自有的语音模型共同支撑其全新的语音代理平台，构成其所称的首个完整、开放、达到生产级标准的对话式语音 AI 平台。该公司称，Pipecat 是全球最受欢迎的开源语音代理框架；Daily 的网络则能以极低延迟和高可靠性，将终端用户连接到语音代理。

Daily 联合创始人 Kwindla Hultman Kramer 将加入 Deepgram，担任开源负责人。Kramer 在收购公告中表示：“保持 Pipecat 开源，是我们决定加入 Deepgram 的根本前提。”Deepgram 首席执行官兼联合创始人 Scott Stephenson 表示，Kramer 和 Daily 团队深知如何确保实时对话稳定运行；收购 Daily 将把这方面的专业经验与 Deepgram 的经验结合起来，共同打造完整的语音系统，让开发者能够更快地从原型迈向生产部署。

开源承诺与 Pipecat 基金会

Deepgram 表示，除了依据 BSD V2 许可证免费提供该框架外，还将投入资源，持续推动 Pipecat 的开发并支持其社区，同时确保 Pipecat 完全开源且不受厂商限制，让开发者能够自由选择并组合来自不同供应商的模型、工具、网络传输方案和 API。两家公司还将与众多为该框架做出贡献并使用它的组织共同成立独立的 Pipecat 基金会。

Kramer 在 Daily 博客的另一篇文章中写道，该基金会将由指导委员会管理，委员会将代表整个实时 AI 生态系统，其中包括与 Deepgram 存在竞争关系的公司。他表示，Daily 的客户和 Pipecat 生态系统都不会有任何变化：Deepgram 将继续销售、支持和开发 Daily 目前的所有产品与服务，包括 WebRTC、电话服务以及跨平台库；Pipecat 也将继续保持厂商中立。Kramer 还写道，Deepgram 正在采用 Pipecat，将其作为新一代语音 AI 产品和服务的核心。

Kramer 写道，Pipecat 已有 200 多项集成，贡献者近 400 人。他特别感谢了参与构建该框架的 18 名工程师，并特别致谢 Mark，称 Mark 自 Pipecat 发布以来一直推动其发展。他还感谢了领投 Daily 各轮融资的投资人——TenOneTen 的 David Waxman、Root 的 Avidan Ross、Freestyle 的 Jenny Lefcourt、Lachy Groom，以及 Renegade Partners 的 Roseanne 和 Renata——并感谢董事会成员 Lee Edwards 和 Roseanne Wincek。

两家公司的共同历程

Kramer 回顾说，他和 Nina 创立 Daily，旨在为实时音频和视频构建基础设施。为此，团队编写了经过优化的数据包路由软件，在全球数十个地点设计并部署专用计算集群，还编写了客户端库，让开发者能够将实时音频和视频嵌入 Web、桌面端和原生移动应用中。他写道，Daily 和 Deepgram 于 2016 年一同参加了 Y Combinator；自 2019 年起，Deepgram 一直为 Daily 的音视频 API 提供转录功能。

Kramer 写道，Daily 于 2023 年开始构建实时语音代理并开展 AI 原生软件实验，并于 2024 年将 Pipecat 的全部组件开源，包括核心编排框架、适用于所有平台和语言的客户端 SDK、RTVI 消息与事件标准、Pipecat Smart Turn 原生音频轮次检测模型、SmallWebRTC 传输方案，以及 Pipecat Flows 上下文工程库。他将 Pipecat 描述为应用最广泛的语音代理和多模态 AI 框架之一，并表示它能够处理模型切换、低延迟网络传输、模型间流式数据传输、轮次检测和打断处理等问题。

根据 Deepgram 的公告，Daily 的基础设施是一个由 75 个接入点组成的全球网络，专为实时 AI 对延迟和可靠性的要求而打造。Deepgram 表示，其自有语音模型和实时基础设施为全球 5,000 多家组织在生产环境中提供对话式语音 AI 服务；此外，已有超过 650,000 名开发者使用 Deepgram 处理了超过 200,000 年的音频。

实时上下文标准与后续计划

在 Speak 活动上，Stephenson 还介绍了实时上下文标准（RCS）。这是一项由 Deepgram 与 Pipecat 团队共同开发的开放协议。Deepgram 表示，RCS 旨在弥补当前语音 AI 系统的一项不足：信息从一个模型传递到下一个模型时，语音周围的音频上下文会在传递过程中丢失，例如语气、说话者身份以及背景中正在发生的事情。RCS 定义了三种新的元数据：来自音频的上下文，例如耳语或含混不清的词语；关于语言模型应如何使用这些信号的指令；以及关于回答应呈现何种语气的指引。适配器会针对每个模型转换这些信号和输出指令，因此开发者可以用同一种方式搭配不同供应商的模型。

Real-Time Context Standard 演示仓库将 RCS 描述为一项开放标准，能够在同一文本流中传递相关上下文，并采用链路中的任何模型都能生成和读取的格式。其演示语音代理为一家名为 Northwind Outfitters 的户外装备商店提供客户服务，依次串联 Deepgram Flux 语音转文本、一个逐轮分析用户情绪和讽刺意味的语气识别器、PhoneLLM Mini 语言模型和 ElevenLabs 文本转语音，并部署在 Pipecat Cloud 上。Deepgram 邀请开发者、模型提供商以及构建语音应用的团队在各自的系统中测试 RCS、分享反馈并参与规范制定。

当天稍晚在 Speak 活动上，首席产品官 Ed Anuff 原计划预览即将推出的 Deepgram Voice Agent Platform，并介绍两款专为实时对话打造的新模型、扩展后的语言支持，以及旨在提升连接可靠性、降低延迟的全球 API。Deepgram 表示，当天其余产品公告的完整技术细节、演示和可用情况将在 Anuff 发表主题演讲后发布于公司博客。