Deepgram adquire Pipecat-maker Daily para reforçar sua infraestrutura de IA de voz

O setor de IA de voz está em alta e os principais players estão tentando consolidar sua posição à medida que mais modelos de negócios vêm à tona por meio de parcerias e aquisições. Deepgram é o último a tomar tais medidas: a empresa disse na quinta-feira que está adquirindo a Daily, fabricante e mantenedora de uma das mais populares infraestruturas de IA de voz de código aberto, Pipecat.

As empresas não divulgaram o valor do negócio, mas disseram que manterão o código aberto do Pipecat.

Para os não iniciados, o Pipecat é uma estrutura que gerencia fluxos de voz e vídeo junto com outras peças do pipeline, como fala para texto (STT), modelos de linguagem grande e modelos de texto para fala (TTS), enquanto reduz a latência. Seu fabricante, Daily, fornece infraestrutura hospedada para chamadas de voz e vídeo de qualquer tipo.

Com o Pipecat, o Deepgram provavelmente obterá uma compreensão mais profunda da infraestrutura de voz e vídeo em tempo real.

O Daily levantou mais de US$ 62 milhões em financiamento até o momento de investidores como Tiger Global, Highfield Capital, Nat Friedman, Lachy Groom e Kevin Weil, de acordo com dados do PitchBook. No início deste ano, Deepgram alcançou o status de unicórnio com uma rodada da Série C de US$ 130 milhões. Aliás, ambas as empresas estavam no mesmo lote do Y Combinator em 2016.

Kwindla Kramer, cofundadora do Daily, disse que na época em que o GPT-4 foi lançado, a empresa começou a experimentar a comunicação de IA para humanos por meio de voz e texto, o que eventualmente resultou na estrutura Pipecat. Ele observou que, embora tenha havido muito interesse em aquisições, ele favoreceu o compromisso do CEO da Deepgram, Scott Stephenson, de manter o código aberto do Pipecat para sempre, e a cultura de engenharia de ambas as organizações correspondia, dando à equipe do Daily a liberdade de trabalhar em diferentes partes da pilha dentro de uma organização maior.

“Scott estava supercomprometido com o fato de o Pipecat ser de código aberto e neutro em relação ao fornecedor para sempre. Acho que há um compromisso pessoal e um motivador comercial nisso. Se você está no meio de um ecossistema que está crescendo muito rápido e tem muitas partes desse ecossistema que são genuinamente o melhor da sua empresa, então tudo o que é o mais aberto possível é como uma vantagem comercial”, disse Kramer ao TechCrunch.

Stephenson disse que a Deepgram deseja trabalhar em código aberto há muito tempo, e a empresa percebeu que uma estrutura de orquestração para agentes era uma área potencial, o que motivou a decisão de parceria com o Daily.

“Queremos abrir o ecossistema para que todos possam construir agentes de voz. É ótimo se você estiver usando modelos Deepgram, mas quero que você use os melhores modelos para seu caso de uso. E se Deepgram perceber que temos algum terreno para nos atualizar em uma determinada área para nossos próprios modelos e produtos, isso é ótimo. Queremos que você use parceiros, e então também trabalharemos para nos tornarmos melhores nessas áreas”, disse ele.

Stephenson disse que a aquisição permite que os desenvolvedores criem agentes com expressividade e sistemas de fala ponta a ponta, conectando diferentes modelos e um barramento de contexto que conecta todas as partes.

Para Deepgram, o acordo também permite explorar áreas além da voz por meio do Pipecat, já que a estrutura atende à comunicação em tempo real em diferentes formatos.

“Nunca pensamos no Pipecat como um kit de ferramentas de voz. Pensamos nele como o kit de ferramentas que precisávamos para construir esse novo tipo de software nativo de IA. Devido à nossa origem, sempre assumimos o tempo real”, disse Kramer.

A Deepgram também está lançando o Real-Time Context Standard (RCS), um protocolo aberto para agentes de voz que desenvolveu em conjunto com a equipe do Pipecat. O protocolo define metadados como contexto do áudio, como um sussurro, instruções para um modelo de linguagem sobre como ele pode usar esses sinais e orientação sobre como a resposta deve soar.

A Voice AI tem visto muitos investimentos tanto do lado do modelo quanto da infraestrutura. Fabricantes de modelos como ElevenLabs, Gradium e Fish Audio arrecadaram milhões de dólares. Por outro lado, empresas de infraestrutura como LiveKit e Vapi levantaram rodadas de financiamento multimilionárias este ano.