语音AI行业正处于热度高涨阶段，头部玩家正试图通过合作和并购巩固自身地位，随着更多商业模式浮现，这一趋势也在加速。Deepgram是最新采取此类动作的公司：该公司周四表示，正在收购Daily。Daily是最受欢迎的开源语音AI基础设施之一 Pipecat 的开发和维护方。
双方没有披露交易金额，但表示会继续保持 Pipecat 开源。
对于不了解这一领域的人来说，Pipecat 是一个框架，用于管理语音和视频流，以及流水线中的其他环节，例如语音转文字（STT）、大语言模型和文字转语音（TTS）模型，同时降低延迟。其开发方 Daily 提供各类语音和视频通话的托管基础设施。
借助 Pipecat，Deepgram 很可能会更深入地理解实时语音和视频基础设施。
根据 PitchBook 数据，Daily 迄今已从 Tiger Global、Highfield Capital、Nat Friedman、Lachy Groom 和 Kevin Weil 等投资者处融资超过 6200 万美元。今年早些时候，Deepgram 完成 1.3 亿美元 C 轮融资，成为独角兽。巧合的是，两家公司都在 2016 年加入了同一批 Y Combinator 孵化项目。
Daily 联合创始人 Kwindla Kramer 表示，大约在 GPT-4 发布前后，公司开始尝试通过语音和文本进行 AI 与人类之间的沟通，最终催生了 Pipecat 框架。他指出，尽管此前有很多收购意向，但他更看重 Deepgram 首席执行官 Scott Stephenson 对 Pipecat 永远保持开源的承诺，而且两家公司的工程文化也很契合，这让 Daily 团队能够在更大的组织中自由负责技术栈的不同部分。
“Scott 对 Pipecat 永远保持开源、保持供应商中立的态度非常坚定。我认为这里既有个人承诺，也有商业驱动。如果你处在一个增长非常快的生态系统中，而且这个生态系统里有很多关键部分都确实是你们公司的最佳选择，那么尽可能开放本身就像是一种商业优势，”Kramer 对 TechCrunch 表示。
Stephenson 表示，Deepgram 很早就想参与开源领域，公司后来意识到，面向智能体的编排框架是一个潜在方向，这推动了与 Daily 合作的决定。
“我们希望把生态系统打开，让每个人都能构建语音智能体。如果你使用 Deepgram 的模型，那当然很好，但我希望你使用的是最适合你场景的最佳模型。如果 Deepgram 发现我们在某些领域的模型和产品还有差距，那也很好。我们希望你使用合作伙伴的产品，然后我们也会努力在这些领域变得更强，”他说。
Stephenson 说，这笔收购让开发者可以通过接入不同模型和连接各部分的上下文总线，构建具备表达能力的端到端语音系统和智能体。
对 Deepgram 而言，这笔交易也让公司能够借助 Pipecat 探索语音之外的领域，因为该框架适用于不同格式的实时通信。
“我们从来没有把 Pipecat 看作一个语音工具包。我们把它看作构建这种新型 AI 原生软件所需要的工具包。由于我们的出身，我们一直默认它是实时的，”Kramer 说。
Deepgram 还将推出实时上下文标准（Real-Time Context Standard，RCS），这是一个与 Pipecat 团队共同开发的语音智能体开放协议。该协议定义了元数据，例如来自音频的上下文信息，比如耳语，语言模型如何使用这些信号的指令，以及对回复应如何呈现的指导。
语音AI在模型端和基础设施端都吸引了大量投资。ElevenLabs、Gradium 和 Fish Audio 等模型公司已融资数百万美元。另一方面，LiveKit 和 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。
