语音 AI 赛道正炙手可热，随着更多商业模式通过合作与并购浮出水面，头部玩家们正在努力巩固自己的地位。Deepgram 是最新一个出手的公司：该公司于周四宣布，将收购 Daily，一个最受欢迎的开源语音 AI 基础设施之一 Pipecat 的开发者与维护方。
两家公司未披露交易金额，但表示将保持 Pipecat 的开源属性。
先做个背景介绍：Pipecat 是一个管理语音和视频流的框架，同时协调整条链路中的其他环节，如语音转文本（STT）、大语言模型（LLM）和文本转语音（TTS）模型，并在此过程中降低延迟。其开发方 Daily 则为各类语音和视频通话提供托管基础设施。
通过 Pipecat，Deepgram 很可能会获得对实时语音和视频基础设施更深层的理解。
根据 PitchBook 的数据，Daily 迄今已从 Tiger Global、Highfield Capital、Nat Friedman、Lachy Groom 和 Kevin Weil 等投资人处累计融资超过 6,200 万美元。而 Deepgram 今年早些时候凭借 1.3 亿美元的 C 轮融资跻身独角兽行列。值得一提的是，两家公司 2016 年还曾是同一期 Y Combinator 的学员。
Daily 联合创始人 Kwindla Kramer 表示，大约在 GPT-4 发布前后，公司开始尝试 AI 与人类之间的语音和文本交流，最终催生了 Pipecat 框架。他指出，虽然收购意向很多，但他看重的正是 Deepgram CEO Scott Stephenson 对“Pipecat 永远开源”的承诺，以及两家组织相契合的工程文化——这让 Daily 团队在更大的组织内依然保有在技术栈不同层面自由探索的空间。
“Scott 对 Pipecat 永远开源、永远厂商中立这件事是真心实意的。我认为这背后既有个人承诺，也有商业驱动力。当你身处一个增长极快的生态系统的中心，而且你公司的很多组件确实是生态里最好的，那么让一切尽可能开放，本身就是一种商业优势。” Kramer 表示。
Stephenson 则表示，Deepgram 很久以来就想做开源，公司意识到智能体的编排框架是一个潜在的切入点，这促成了与 Daily 的合作。
“我们想把这个生态打开，让所有人都能构建语音智能体。你在用 Deepgram 的模型当然很好，但我更希望你用的是最适合你用例的模型。如果 Deepgram 发现自己的模型和产品在某些领域还有差距要补，那也是好事。我们希望你使用合作伙伴的产品，同时我们自己也会努力在这些领域变得更强。”他说。
Stephenson 表示，这次收购让开发者可以通过接入不同的模型和一个连接所有部件的上下文总线，来构建富有表现力的端到端语音智能体系统。
对 Deepgram 而言，这笔交易还让它得以通过 Pipecat 探索语音之外的领域，因为该框架面向多种形态的实时通信。
“我们从来没把 Pipecat 当作一个语音工具包。我们把它看作构建这种新型 AI 原生软件所需要的工具包。因为我们出身于实时通信领域，所以我们一直默认一切都要是实时的。” Kramer 说。
Deepgram 同时还发布了实时上下文标准（Real-Time Context Standard，RCS）——一个与 Pipecat 团队共同开发的、面向语音智能体的开放协议。该协议定义了相关元数据：来自音频的上下文信息（如耳语）、给语言模型的关于如何使用这些信号的指令，以及响应应该如何发声的指导。
语音 AI 领域近来在模型和基础设施两端都获得了大量投资。ElevenLabs、Gradium、Fish Audio 等模型厂商已融资数百万美元；另一方面，LiveKit、Vapi 等基础设施公司今年也完成了数百万美元级别的融资轮。
信息源自 Techcrunch。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/72896.html
