Deepgram, Açık Kaynak Sesli Yapay Zekâ Altyapısı İçin Pipecat'in Yaratıcısı Daily'yi Satın Aldı

Deepgram, Perşembe günü Pipecat'i oluşturan ve geliştiren startup Daily'yi satın aldığını duyurdu. Pipecat, sesli yapay zekâ alanında en yaygın kullanılan açık kaynak çatılardan biri. Anlaşmanın mali koşulları açıklanmadı, ancak her iki şirket de Pipecat'i açık kaynak olarak sürdürme konusunda taahhütte bulundu.

Pipecat, konuşmayı metne çevirme (speech-to-text), büyük dil modelleri ve metni konuşmaya çevirme (text-to-speech) gibi bileşenlerin yanı sıra gerçek zamanlı ses ve video akışlarını yöneten, bunu yaparken gecikmeyi azaltan bir çatı. Daily ayrıca ses ve video görüşmeleri için barındırılan altyapı sunuyor. Şirket, Tiger Global, Highfield Capital, Nat Friedman, Lachy Groom ve Kevin Weil gibi yatırımcılardan 62 milyon doların üzerinde fon topladı. Deepgram ise bu yılın başında 130 milyon dolarlık bir Seri C turuyla unicorn statüsüne ulaştı. Dikkat çekici bir şekilde, her iki şirket de 2016'da aynı Y Combinator döneminden mezun oldu.

Daily'nin kurucu ortağı Kwindla Kramer, Pipecat çatısının, GPT-4'ün piyasaya sürüldüğü dönemlerde başlayan yapay zekâ ile insan arasında sesli ve metin tabanlı iletişim deneylerinden doğduğunu söyledi. Deepgram CEO'su Scott Stephenson'ın Pipecat'i kalıcı olarak açık kaynak ve satıcıdan bağımsız tutma konusundaki kişisel taahhüdünün kendisini etkilediğini ve her iki kuruluşun mühendislik kültürlerinin güçlü bir şekilde örtüştüğünü belirtti.

Stephenson, Deepgram'ın uzun süredir açık kaynakla ilgilenmek istediğini ve sesli ajanlar için bir orkestrasyon çatısını doğru giriş noktası olarak belirlediklerini söyledi. Geliştiricilerin, rakiplerine ait olsa bile, ihtiyaçlarına en uygun modelleri kullanmasını istediğini vurguladı.

Satın almanın yanı sıra Deepgram, Pipecat ekibiyle birlikte geliştirilen, sesli ajanlar için açık bir protokol olan Real-Time Context Standard'ı (RCS) da piyasaya sürüyor. RCS; bir fısıltının tespiti gibi ses bağlamı sinyallerini, bir dil modeline yönelik talimatları ve bir yanıtın nasıl duyulması gerektiğine dair yönergeleri içeren meta verileri tanımlıyor.