语音 AI 赛道正在升温，随着合作与并购带来的新商业模式浮出水面，头部玩家纷纷巩固自己的位置。Deepgram 是最新动手的一家：该公司于本周四宣布，将收购 Daily——热门开源语音 AI 基础设施 Pipecat 的开发方与维护方。
交易概况：Pipecat 保持开源
双方未披露交易金额，但明确表示 Pipecat 将继续以开源形式存在。
对不熟悉这条技术线的读者来说，Pipecat 是一个框架，负责管理语音与视频流，以及链路中的其他环节，例如语音转文字（STT）、大语言模型和文本转语音（TTS）模型，核心目标是降低延迟。其背后的 Daily 则提供各类音视频通话的托管基础设施。
财务背景同样值得留意。据 PitchBook 数据，Daily 迄今累计融资超过 6200 万美元，投资方包括 Tiger Global、Highfield Capital、Nat Friedman、Lachy Groom 和 Kevin Weil。Deepgram 则在今年早些时候通过 1.3 亿美元的 C 轮融资跻身独角兽行列。值得一提的是，两家公司同属 2016 届 Y Combinator 批次。
为什么是 Deepgram：生态位置与工程文化
拿到 Pipecat 后，Deepgram 将更深入地理解实时音视频基础设施的运作方式。
Daily 联合创始人 Kwindla Kramer 表示，大约在 GPT-4 发布前后，公司开始尝试用语音和文本实现 AI 与人的沟通，最终演化出 Pipecat 框架。他提到，此前也有多方表达过收购兴趣，但他最终选择了 Deepgram，原因是 CEO Scott Stephenson 承诺让 Pipecat 永远保持开源与厂商中立，并且两家公司的工程文化契合——加入更大的组织后，Daily 团队依然可以自由工作在技术栈的不同层面。
"Scott 非常坚定地要让 Pipecat 永远开源、永远厂商中立。我认为这背后既有个人承诺，也有商业驱动。如果你身处一个增长极快的生态中心，并且生态中有许多部分确实是你公司做得最好的，那么尽可能开放本身就是一种商业优势。"Kramer 表示。
Stephenson 则表示，Deepgram 早就想做开源，公司意识到面向智能体的编排框架是一个潜在方向，这推动了双方的合作决策。
核心变化：开源模型中立与 RCS 协议
"我们希望开放这个生态，让所有人都能构建语音智能体。用 Deepgram 的模型当然很好，但我更希望你能为自己的用例选择最好的模型。如果 Deepgram 发现我们在某个领域还有差距，那也很好。我们希望你去用合作伙伴的方案，同时我们自己也会在那些方向上做得更强。" Stephenson 表示，这次收购让开发者能够通过接入不同模型、以及一个连接各环节的 context bus，构建具备表达力的智能体和端到端语音系统。
对 Deepgram 而言，这笔交易还让它得以借助 Pipecat 探索语音之外的场景，因为该框架支持多种格式的实时通信。
"我们从来没有把 Pipecat 当成一套语音工具箱，而是构建这类 AI 原生软件所需要的工具箱。因为我们的出身如此，所以一直默认实时是基础假设。"Kramer 说。
与此同时，Deepgram 还发布了 Real-Time Context Standard（RCS）——一套面向语音智能体的开放协议，由它与 Pipecat 团队共同开发。该协议定义了多种元数据，例如来自音频本身的上下文信号（比如一声耳语）、给语言模型的指令（说明如何使用这些信号），以及对回应音色的指导建议。
行业背景与影响
语音 AI 在模型端和基础设施端都获得了大量资金：
- 模型厂商方面，ElevenLabs、Gradium 和 Fish Audio 均已获得数百万美元级别的融资。
- 基础设施方面，LiveKit 和 Vapi 今年完成了数百万美元量级的融资轮次。
对开发者和使用方而言，这次交易释放了几个明确信号：
- Pipecat 短期不会闭源：官方承诺开源与厂商中立，短期内生态里的现有集成风险较低。
- 模型选择自由度更高：Deepgram 明确表示希望开发者按用例选最优模型，而不是默认使用自家模型。
- RCS 值得提前评估：作为新发布的开放协议，建议在设计语音智能体时关注其上下文元数据规范，避免后续返工。
- 非语音场景可关注：Pipecat 并非只服务语音，实时协作、实时多模态等方向也可能是新的落点。
评论