Balss MI uzņēmums Deepgram pērk Daily, atvērtā Pipecat vadība pāries fondam

ASV balss mākslīgā intelekta uzņēmums Deepgram 29. oktobrī paziņoja, ka iegādājas Sanfrancisko uzņēmumu Daily, kas izveidojis un uztur Pipecat, vienu no plašāk izmantotajiem atvērtā koda ietvariem balss MI aģentu veidošanai. Darījums tika izziņots Deepgram pasākumā Speak Sanfrancisko. Ne darījuma summa, ne tā noslēgšanas laiks netiek atklāti.

Lielākais jautājums izstrādātājiem ir Pipecat nākotne. Abi uzņēmumi sola, ka ietvars arī turpmāk būs bezmaksas un atvērts ar līdzšinējo BSD licenci. Tā pārvaldībai tiek veidots neatkarīgs Pipecat fonds. Daily līdzdibinātājs Kvindla Hultmans Kramers savā blogā raksta, ka fondu vadīs vadības komiteja, kurā būs pārstāvēta visa reāllaika MI nozare, arī Deepgram konkurenti. Komitejas sastāvs, balsošanas kārtība un fonda finansējums gan pagaidām nav nosaukti.

Pipecat ir rīku kopa, ar ko savieno balss aģenta daļas: runas pārvēršanu tekstā, lielo valodas modeli, teksta pārvēršanu runā un reāllaika tīkla savienojumu starp tām. Daily visu Pipecat atvēra 2024. gadā. Pēc uzņēmuma datiem, ietvaram tagad ir vairāk nekā 200 integrāciju un gandrīz 400 līdzautoru. Daily piedāvā arī maksas infrastruktūru audio un video zvaniem, un tā tīklam ir 75 piekļuves punkti visā pasaulē.

Neitralitāte ir bijusi Pipecat galvenā priekšrocība: izstrādātājs var izvēlēties runas atpazīšanu no viena piegādātāja, valodas modeli no cita un balsi no trešā. Deepgram vadītājs Skots Stīvensons portālam TechCrunch teica, ka uzņēmums vēlas, lai klienti lietotu savam uzdevumam labākos modeļus, arī tad, ja tie nav Deepgram modeļi. Ja kods kādreiz tiktu virzīts citā virzienā, BSD licence ļauj ikvienam to nokopēt un attīstīt atsevišķi.

Pēc darījuma Daily komanda pāries uz Deepgram, bet Kramers kļūs par uzņēmuma atvērtā koda vadītāju. Daily paziņojumā teikts, ka klientiem nekas nemainīsies, jo Deepgram turpinās pārdot, atbalstīt un attīstīt visus esošos Daily produktus. Deepgram veidos savu jauno balss aģentu platformu uz Pipecat bāzes.

Abi uzņēmumi nav sveši. Tie 2016. gadā kopā gāja cauri ASV jaunuzņēmumu paātrinātājam Y Combinator, un kopš 2019. gada Deepgram nodrošina transkripciju Daily audio un video lietotņu saskarnēs. Saskaņā ar TechCrunch minētajiem PitchBook datiem Daily līdz šim piesaistījis vairāk nekā 62 miljonus dolāru, bet Deepgram šogad pēc 130 miljonu dolāru C kārtas ieguva tā saucamā vienradža statusu.

Kopā ar darījumu Deepgram iepazīstināja ar jaunu atvērtu protokolu Real-Time Context Standard, kas izstrādāts sadarbībā ar Pipecat komandu. Tas paredzēts, lai starp balss aģenta modeļiem nodotu informāciju par to, kā cilvēks runāja, piemēram, čukstus, un kā jāskan atbildei. Protokols jau ir pieejams Pipecat.