Deepgram-ը ձեռք է բերում Daily-ն՝ Pipecat շրջանակի ստեղծողին՝ ձայնային AI ենթակառուցվածքն ամրապնդելու համար

Deepgram ընկերությունը հինգշաբթի օրը հայտարարեց, որ ձեռք է բերում Daily-ն՝ Pipecat-ի ստեղծողին և պահպանողին, որը բաց կոդով ձայնային AI ենթակառուցվածքներից ամենահայտնիներից մեկն է։ Ընկերությունները գործարքի գումարը չհրապարակեցին, բայց ասացին, որ Pipecat-ը կմնա բաց կոդով։ Deepgram ընկերությունը հայտարարեց, որ ձեռքբերումը նպատակ ունի ամրապնդելու իր ձայնային AI ենթակառուցվածքը։

Pipecat-ը և Daily-ի ենթակառուցվածքը

Pipecat-ը շրջանակ է, որը կառավարում է ձայնի և տեսանյութի հոսքերը, ինչպես նաև խողովակաշարի այլ բաղադրիչները, ինչպիսիք են խոսքից տեքստ, մեծ լեզվական մոդելները և տեքստից խոսք մոդելները, միևնույն ժամանակ նվազեցնելով ուշացումը։ Daily ընկերությունը տրամադրում է հյուրընկալված ենթակառուցվածք ցանկացած տեսակի ձայնային և տեսազանգերի համար։ Pipecat-ի միջոցով Deepgram ընկերությունը հավանաբար կստանա իրական ժամանակի ձայնի և տեսանյութի ենթակառուցվածքի ավելի խորը ըմբռնում։

Daily ընկերությունը մինչ օրս ավելի քան 62 միլիոն դոլարի ֆինանսավորում է հավաքել ներդրողներից, այդ թվում՝ Tiger Global, Highfield Capital, Nat Friedman, Lachy Groom և Kevin Weil, PitchBook տվյալների համաձայն։ Այս տարվա սկզբին Deepgram ընկերությունը 130 միլիոն դոլարի C սերիայի փուլով հասավ միաեղջյուրի կարգավիճակի։ Երկու ընկերություններն էլ 2016 թվականին եղել են Y Combinator-ի նույն խմբում։

Բաց կոդ և արտադրանքի պլաններ

Daily ընկերության համահիմնադիր Kwindla Kramer-ը ասաց, որ ընկերությունը սկսել է փորձարկել AI-ից մարդուն հաղորդակցությունը ձայնով և տեքստով GPT-4-ի թողարկման շրջանում, ինչը ի վերջո հանգեցրեց Pipecat շրջանակի ստեղծմանը։ Նա ասաց, որ ձեռքբերման հետաքրքրություն եղել է, բայց նախընտրել է Deepgram ընկերության գործադիր տնօրեն Scott Stephenson-ի հանձնառությունը՝ Pipecat-ը ընդմիշտ բաց կոդով պահելու, ինչպես նաև համապատասխան ճարտարագիտական մշակույթները, որոնք Daily ընկերության թիմին ազատություն են տալիս աշխատելու համակարգի տարբեր մասերի վրա ավելի մեծ կազմակերպության ներսում։

Kramer-ը ասաց, որ Scott-ը հանձնառու է Pipecat-ի՝ ընդմիշտ բաց կոդով և վաճառողից անկախ մնալուն, և որ բաց էկոհամակարգը կարող է առևտրային առավելություն լինել, երբ ընկերությունը գտնվում է արագ աճող էկոհամակարգի կենտրոնում։ Stephenson-ը ասաց, որ Deepgram ընկերությունը երկար ժամանակ ցանկացել է աշխատել բաց կոդով և գործակալների օրկեստրացիայի շրջանակը համարել է հնարավոր ուղղություն։ Նա ասաց, որ Deepgram ընկերությունը ցանկանում է էկոհամակարգը բաց պահել, որպեսզի բոլորը կարողանան ստեղծել ձայնային գործակալներ, նույնիսկ եթե օգտագործում են տարբեր մոդելներ, և որ ընկերությունը ցանկանում է բարելավվել այն ոլորտներում, որտեղ դեռ հասնելու տեղ ունի։

Stephenson-ը ասաց, որ ձեռքբերումը մշակողներին թույլ է տալիս ստեղծել գործակալներ՝ արտահայտչականությամբ և վերջից վերջ խոսքային համակարգերով՝ միացնելով տարբեր մոդելներ և համատեքստը միացնող ավտոբուս, որը կապում է բոլոր բաղադրիչները։ Deepgram ընկերության համար գործարքը նաև հնարավորություն է տալիս Pipecat-ի միջոցով ուսումնասիրել ձայնից դուրս ոլորտներ, քանի որ շրջանակը սպասարկում է իրական ժամանակի հաղորդակցությունը տարբեր ձևաչափերով։ Kramer-ը ասաց, որ թիմը երբեք Pipecat-ը չի համարել ձայնային գործիքակազմ, այլ որպես գործիքակազմ՝ նոր տեսակի AI-բնիկ ծրագրային ապահովում ստեղծելու համար, և որ իրական ժամանակը միշտ ենթադրվել է այն պատճառով, թե որտեղից է ընկերությունը գալիս։

Real-Time Context Standard և շուկայի համատեքստը

Deepgram ընկերությունը նաև գործարկում է Real-Time Context Standard-ը՝ ձայնային գործակալների համար բաց արձանագրություն, որը մշակել է Pipecat թիմի հետ համատեղ։ Արձանագրությունը սահմանում է մետատվյալներ, ինչպիսիք են ձայնից համատեքստը, օրինակ շշուկը, հրահանգները լեզվական մոդելի համար՝ թե ինչպես կարող է այն օգտագործել այդ ազդանշանները, և ուղեցույցները՝ թե ինչպես պետք է հնչի պատասխանը։

Ձայնային AI-ը մեծ ներդրումներ է տեսել ինչպես մոդելների, այնպես էլ ենթակառուցվածքի կողմերից։ Մոդելներ ստեղծող ընկերությունները, ինչպիսիք են ElevenLabs, Gradium և Fish Audio, հավաքել են միլիոնավոր դոլարներ։ Ենթակառուցվածքային ընկերությունները, ինչպիսիք են LiveKit և Vapi, այս տարի հավաքել են բազմամիլիոն դոլարի ֆինանսավորման փուլեր։

Աղբյուրներ՝ TechCrunch