Deepgram Daily'yi satın aldı, Pipecat açık kaynak olarak kalacak: Sesli yapay zekâda birleşme dönemi

Deepgram, sesli ajanlar geliştirmek için yaygın şekilde kullanılan açık kaynaklı framework Pipecat'ın sahibi Daily'yi satın aldı; bunu Perşembe günü TechCrunch haberleştirdi. Şirketler finansal detayları açıklamazken, Pipecat'ın yeni sahibi altında açık kaynak olarak kalacağını doğruladılar.

Her tarafın masaya getirdikleri

Bu yılın başında 130 milyon dolarlık Series C yatırım turunun ardından unicorn statüsüne ulaşan konuşma yapay zekâ şirketi Deepgram, iki varlığa sahip bir firmayı satın alıyor: gerçek zamanlı sesli ve görüntülü görüşmeler için barındırılan altyapı ve sesli yapay zekâ alanının en popüler açık kaynak projelerinden biri olan Pipecat'ın yönetimi.

Pipecat, sesli bir ajanın tüm arka plan işlerini üstlenir. Ses ve görüntü akışlarını koordine eder, tipik bir pipeline'ın bileşenlerini — konuşmadan metne, büyük dil modelleri ve metinden konuşmaya — birbirine bağlarken gecikmeyi de düşük tutar. Büyük ölçüde model katmanında faaliyet gösteren Deepgram için bu orkestrasyon katmanına sahip olmak, geliştiricilerin gerçekte bir araya getirdiği stack'in daha büyük bir bölümünde var olma imkânı sunuyor.

TechCrunch'ın aktardığı PitchBook verilerine göre Daily, Tiger Global, Highfield Capital, Nat Friedman, Lachy Groom ve Kevin Weil gibi yatırımcılardan 62 milyon dolardan fazla fon topladı. İki şirketin ortak bir geçmişi de var: ikisi de 2016'da aynı Y Combinator döneminden geçti.

Açık kaynak taahhüdü

TechCrunch'a göre Daily'nin kurucu ortağı Kwindla Kramer, satın alma konusunda pek çok ilgi olduğunu, ancak Deepgram CEO'su Scott Stephenson'ın Pipecat'ı süresiz olarak açık kaynak ve satıcı-nötr tutma sözünün belirleyici bir faktör olduğunu söyledi. Kramer'a göre açık olmak ticari olarak da mantıklı: hızla büyüyen bir ekosistemin merkezindeki nötr bir orkestrasyon katmanı, mümkün olduğun çok katılımcı bağlanabildiğinde kazançlı çıkıyor.

Stephenson, TechCrunch'a Deepgram'ın bir süredir açık kaynak alanında çalışmak istediğini ve ajan orkestrasyonunu doğal giriş noktası olarak belirlediğini söyledi. Anlaşmayı, geliştiricilerin satıcıdan bağımsız olarak modelleri karıştırıp eşleştirebilmeleri — Deepgram'ınkini uygun olduğu yerde, rakiplerinkinin daha güçlü olduğu yerde kullanmaları — için bir yol olarak çerçeveledi; Deepgram kendi ürünlerindeki boşlukları kapatmaya çalışacak.

Kramer ayrıca Pipecat'ın kökenlerini de anlattı: GPT-4'ün gelmesinin ardından Daily, yapay zekâ-insan iletişimini sesli ve yazılı olarak denemeye başladı ve bu çalışma zamanla framework'e dönüştü. Ekip, Pipecat'ı hiçbir zaman dar anlamda bir ses araç seti olarak görmediğini, gerçek zamanlı ve yapay zekâ-doğuşlu (AI-native) yazılımlar için bir araç olarak gördüğünü söyledi — bu da Deepgram'ın onu sesin ötesinde uygulayabileceğine işaret ediyor.

Anlaşmayla birlikte yeni bir protokol geliyor

Satın alma ile birlikte Deepgram, Pipecat ekibiyle birlikte geliştirilen, sesli ajanlar için açık bir protokol olan Real-Time Context Standard'ı (RCS) duyurdu. TechCrunch'ın aktardığı gibi RCS, sesten elde edilen meta verileri — örneğin bir fısıltıyı — bir dil modelinin bu sinyalleri nasıl kullanabileceğine dair talimatlarla ve yanıtın nasıl seslenmesi gerektiğine dair yönergelerle tanımlıyor. Amaç, ajanların konuşmanın yalnızca kelimelerini değil, ifade edici niteliklerini de yorumlamaları ve ona göre hareket etmeleri için ortak bir yol sunmak.

Birleşme sürecindeki bir sektör

Anlaşma, sesli yapay zekâ alanındaki ardı ardına gelen hamlelerin en yenisi. TechCrunch'ın belirttiğine göre ElevenLabs, Gradium ve Fish Audio gibi model geliştiricileri ciddi meblağlarda yatırım aldı; LiveKit ve Vapi gibi altyapı sağlayıcıları ise bu yıl milyonlarca dolarlık turlar tamamladı. Sektördeki iş modelleri olgunlaştıkça, köklü oyuncular her şeyi tek başlarına inşa etmek yerine ortaklıklar ve satın almalarla konumlarını giderek daha çok sağlamlaştırıyor.

Neden önemli

Bu satın alma, sesli yapay zekâ altyapısının önemli bir parçasını — birçok geliştiricinin zaten üzerine inşa yaptığı bir orkestrasyon framework'ünü — büyük bir model sağlayıcısının altında topluyor. Deepgram'ın Pipecat'ı satıcı-nötr tutma sözü zamanla sınanacak; ancak tutulursa, daha önce açık kaynak projelerinin ticari stack'lere dahil edilmesini izlemiş bir geliştirici topluluğunu rahatlatabilir. RCS'nin lansmanı da sektörün nereye gittiğinin sinyalini veriyor: transkripsiyon ve üretimin ötesinde, tonu, vurguyu ve hitap tarzını gerçek zamanlı anlayan ajanlara doğru. Sesli ürünler geliştiren ekipler için ise daha iyi fonlanan bir Pipecat ile standartlaştırılmış bir bağlam protokolünün bir araya gelmesi, hangi satıcıyı seçerlerse seçsinler, konuşmadan metne, LLM ve metinden konuşmaya bileşenlerini birbirine dikme işinin parçalı doğasını basitleştirebilir.