语音人工智能基础设施领域迎来重要整合。Deepgram 于周四宣布收购 Daily，后者是开源实时语音与视频 AI 框架 Pipecat 的开发商与维护者。双方未披露具体交易金额，但明确承诺 Pipecat 将保持开源状态。
Pipecat 作为一个管理语音、视频流及语音转文本（STT）等处理管道的框架，其底层依托的是 Daily 提供的托管基础设施，支持各类实时音视频通话场景。此次收购旨在帮助 Deepgram 深化其在实时语音和视频基础设施层面的技术布局。
根据 PitchBook 数据，Daily 此前已从 Tiger Global、Highfield Capital、Nat Friedman、Lachy Groom 和 Kevin Weil 等投资方累计筹集超过 6200 万美元资金。今年早些时候，Deepgram 完成了 1.3 亿美元的 C 轮融资。值得注意的是，这两家公司均源自 2016 年 Y Combinator 同一批次的孵化项目。
Daily 联合创始人 Kwindla Kramer 透露，在 GPT-4 问世之际，公司开始探索通过语音和文本实现人机交互，这一尝试最终催生了 Pipecat 框架。尽管面临多方收购意向，Kramer 选择加入 Deepgram，主要基于对 Deepgram CEO Scott Stephenson 关于“永久保持 Pipecat 开源”承诺的认可，以及两家公司工程文化的高度契合，这确保了 Daily 团队能在更大组织架构内保持独立运作。
Kramer 指出：“Scott 致力于让 Pipecat 永远开源，这既源于个人信念，也出于商业考量。在一个快速增长且生态多元的环境中，若某些部分并非自家最强项，开放合作往往能带来更优解。”
Stephenson 表示，Deepgram 长期希望在开源领域深耕，并意识到智能体编排框架是一个潜在的关键赛道，这促成了与 Daily 的合作。他强调：“我们希望构建一个开放的生态系统，让开发者能够自由构建语音智能体。即便使用 Deepgram 模型，我们也鼓励用户选择最适合其用例的方案。若 Deepgram 在某些领域存在短板，我们欢迎用户使用合作伙伴的产品，同时自身也将持续优化这些领域。”
据 Stephenson 介绍，此次收购将使开发人员能够通过插入不同模型并利用上下文总线连接各组件，从而构建具备表达力且端到端的语音系统智能体。此外，借助 Pipecat 对不同格式实时通信的支持，Deepgram 得以将业务触角延伸至语音以外的领域。
Kramer 补充道：“我们从未将 Pipecat 仅仅视为一个语音工具包，而是将其定位为构建新型 AI 原生软件所需的基础设施。由于我们的背景始终假设‘实时’为核心前提，因此框架设计涵盖了广泛的实时通信需求。”
伴随收购，Deepgram 还推出了实时上下文标准（RCS），这是与 Pipecat 团队共同开发的一项用于语音智能体的开放协议。该协议定义了音频中的语境元数据（如低声说话）、语言模型如何利用这些信号的指令，以及响应生成的指导规范。
当前，语音人工智能在模型研发与基础设施层面均吸引了大量资本投入。ElevenLabs、Gradium 和 Fish Audio 等模型制造商已筹集数百万美元；与此同时，LiveKit 和 Vapi 等基础设施公司也在今年获得了数百万美元的融资支持。
