語音AI公司Deepgram收購Daily，Pipecat維持開源

做語音辨識起家的 Deepgram，買下開源語音代理框架 Pipecat 背後的團隊 Daily。這則新聞的重點在買方的公開承諾：Pipecat 會繼續開源，而且不偏袒任何一家的模型。

先說 Pipecat 是什麼。要讓 AI 用聲音跟人即時對話，至少要串起三段：把人說的話轉成文字，交給大型語言模型想答案，再把答案念出來，有時還要處理視訊畫面。Pipecat 就是把這幾段串在一起、並盡量壓低延遲的中間層。各家模型像樂團裡的樂手，Pipecat 是指揮，決定誰什麼時候上場，讓整首曲子不卡頓。Daily 另外也經營代管的語音與視訊通話基礎設施，大小規模都能跑。

Daily 共同創辦人 Kwindla Kramer 說，GPT-4 推出後不久，團隊就開始實驗 AI 與人之間的語音和文字溝通，Pipecat 就是這樣做出來的。他坦言想收購的不只一家，最後選 Deepgram，是因為執行長 Scott Stephenson 承諾 Pipecat 永遠開源、不綁特定廠商。Kramer 的說法很直白：站在一個快速成長的生態系中間，而生態系裡很多零件本來就是你家做得最好，那麼盡量開放反而是商業優勢。

Stephenson 自己的話更讓人意外。他說，希望人人都能做語音代理，用 Deepgram 的模型很好，但他更希望開發者用最適合自己用途的模型。賣模型的公司，主動叫客戶別只認自家貨。

交易價格沒有公布。Daily 先前募資超過 6,200 萬美元，投資人包括 Tiger Global、Nat Friedman、Kevin Weil 等；Deepgram 今年稍早以 1.3 億美元 C 輪募資成為獨角獸。兩家都出自 Y Combinator 2016 年那一屆。

雙方也共同推出開放協定 Real-Time Context Standard，簡稱 RCS，用來定義從聲音裡抓出的附加資訊，例如耳語這類細微線索、給語言模型的指令，以及回應該用什麼語氣說出來。已經用 Pipecat 做即時語音代理的團隊，工具照用，還多一套共通規格可接。

這一行競爭激烈。做語音模型的 ElevenLabs、Gradium、Fish Audio 都募到大筆資金，做基礎設施的 LiveKit 與 Vapi 今年也拿到大輪融資。Deepgram 的算盤是握住中間這層、又保持開放，把開發者吸過來，同時逼自家模型跟最強對手正面比拚。

接下來要看 Pipecat 的中立承諾能不能經得起時間考驗，以及 RCS 會不會被其他語音業者採用，成為真正的共通標準。