دیپ‌گرم، سازنده Pipecat یعنی شرکت Daily را خرید تا زیرساخت باز هوش مصنوعی صوتی بسازد
نوشتهٔ هوش مصنوعی از گزارش techcrunch.com. هیچ انسانی آن را بررسی نکرده است.
شرکت دیپ‌گرم (Deepgram)، فعال در حوزه هوش مصنوعی صوتی سازمانی، شرکت نوپای Daily را خرید؛ همان شرکتی که فریم‌ورک متن‌باز و پرطرفدار Pipecat را ساخته و بیش از ۶۲ میلیون دلار سرمایه جذب کرده است. دیپ‌گرم متعهد شده این پروژه را متن‌باز نگه دارد و پروتکل باز جدیدی برای عامل‌های صوتی بلادرنگ راه‌اندازی می‌کند.
دیپ‌گرم روز پنجشنبه اعلام کرد که شرکت Daily را خریده است؛ همان استارتاپی که Pipecat را ساخته و نگهداری می‌کند، یکی از پرکاربردترین فریم‌ورک‌های متن‌باز در حوزه هوش مصنوعی صوتی. شرایط مالی این معامله اعلام نشده، اما هر دو شرکت متعهد شده‌اند که Pipecat را متن‌باز نگه دارند.
Pipecat فریم‌ورکی است که جریان‌های صوتی و تصویری بلادرنگ را همراه با اجزایی مانند تبدیل گفتار به متن (speech-to-text)، مدل‌های زبانی بزرگ و تبدیل متن به گفتار (text-to-speech) مدیریت می‌کند، در حالی که تأخیر را کاهش می‌دهد. Daily همچنین زیرساخت میزبانی‌شده برای تماس‌های صوتی و تصویری فراهم می‌کند. این شرکت بیش از ۶۲ میلیون دلار از سرمایه‌گذارانی از جمله Tiger Global، Highfield Capital، نات فریدمن (Nat Friedman)، لچی گروم (Lachy Groom) و کوین ویل (Kevin Weil) جذب کرده است. دیپ‌گرم نیز اوایل همین سال با یک دور سرمایه‌گذاری سری C به ارزش ۱۳۰ میلیون دلار به جایگاه یونیکورن رسید. نکته قابل توجه این است که هر دو شرکت از یک دوره یکسان Y Combinator در سال ۲۰۱۶ فارغ‌التحصیل شده‌اند.
کویندلا کرامر (Kwindla Kramer)، یکی از بنیان‌گذاران Daily، گفت فریم‌ورک Pipecat از آزمایش‌هایی در زمینه ارتباط هوش مصنوعی با انسان از طریق صدا و متن پدید آمد که تقریباً همزمان با عرضه GPT-4 آغاز شد. او گفت که تعهد شخصی اسکات استیونسن (Scott Stephenson)، مدیرعامل دیپ‌گرم، به نگه‌داشتن Pipecat برای همیشه متن‌باز و بی‌طرف نسبت به فروشندگان، او را جذب کرد و فرهنگ‌های مهندسی هر دو سازمان همخوانی زیادی با هم داشتند.
استیونسن گفت دیپ‌گرم مدت‌ها بود می‌خواست وارد حوزه متن‌باز شود و یک فریم‌ورک هماهنگ‌سازی برای عامل‌های صوتی را نقطه ورود مناسبی تشخیص داده بود. او تأکید کرد که می‌خواهد توسعه‌دهندگان از هر مدلی که بیشترین تناسب با نیازشان را دارد استفاده کنند، حتی اگر متعلق به رقبا باشد.
دیپ‌گرم همزمان با این خرید، استاندارد زمینه بلادرنگ (Real-Time Context Standard یا RCS) را راه‌اندازی می‌کند؛ پروتکلی باز برای عامل‌های صوتی که به‌صورت مشترک با تیم Pipecat توسعه یافته است. RCS داده‌های فراداده‌ای از جمله سیگنال‌های زمینه صوتی - مانند تشخیص نجوا -، دستورالعمل‌هایی برای مدل زبانی و راهنمایی درباره این‌که پاسخ چگونه باید به نظر برسد را تعریف می‌کند.
بیشتر از همین شماره
آنتروپیک فرم S-1 را برای عرضه اولیه در نزدک ثبت کرد و از درآمد ۱۶ میلیارد دلاری نیم‌سال خود خبر داد
اپل و علی‌بابا هوش مصنوعی Qwen را به Apple Intelligence در چین می‌آورند
دیپ‌سیک کد Super-Agent را متن‌باز کرد؛ هوش مصنوعی برنامه‌نویسی پیشدستانه‌ای که گفت‌وگوهای توسعه‌دهندگان را رصد می‌کند
استارتاپ چینی رابط مغز و کامپیوتر NeuroXess در دور سرمایه‌گذاری سری B، ۷۰۰ میلیون یوان جذب کرد