Deepgram-მა Daily-ს, Pipecat-ის შემქმნელს, ხმოვანი AI-ის ინფრასტრუქტურის გასაძლიერებლად ყიდულობს

Deepgram-მა ხუთშაბათს განაცხადა, რომ ყიდულობს Daily-ს, Pipecat-ის შემქმნელსა და მხარდაჭერს. Pipecat ერთ-ერთი ყველაზე პოპულარული ღია კოდის ხმოვანი AI-ის ინფრასტრუქტურაა. კომპანიებმა გარიგების თანხა არ გაამჟღავნეს, თუმცა აცხადებენ, რომ Pipecat ღია კოდის პროექტად დარჩება. Deepgram-ის თქმით, შესყიდვის მიზანი ხმოვანი AI-ის ინფრასტრუქტურის გაძლიერებაა.

Pipecat და Daily-ის ინფრასტრუქტურა

Pipecat არის ფრეიმვორკი, რომელიც მართავს ხმისა და ვიდეოს ნაკადებს, ისევე როგორც პაიპლაინის სხვა კომპონენტებს, მაგალითად მეტყველების ტექსტად გარდაქმნას, დიდ ენობრივ მოდელებსა და ტექსტის მეტყველებად გარდაქმნის მოდელებს, და ამავდროულად ამცირებს დაყოვნებას. Daily ჰოსტინგის ინფრასტრუქტურას სთავაზობს ნებისმიერი სახის ხმოვანი და ვიდეო ზარებისთვის. Pipecat-ის წყალობით, Deepgram, სავარაუდოდ, უფრო ღრმად გაიგებს რეალურ დროში მომუშავე ხმისა და ვიდეოს ინფრასტრუქტურას.

PitchBook-ის მონაცემებით, Daily-მა დღემდე 62 მილიონ დოლარზე მეტი მოიზიდა ინვესტორებისგან, მათ შორის Tiger Global, Highfield Capital, Nat Friedman, Lachy Groom და Kevin Weil. წლის დასაწყისში Deepgram-მა 130 მილიონი დოლარის Series C რაუნდით უნიკორნის სტატუსს მიაღწია. ორივე კომპანია 2016 წელს Y Combinator-ის ერთი და იმავე ნაკადის წევრი იყო.

ღია კოდი და პროდუქტის გეგმები

Daily-ის თანადამფუძნებელმა Kwindla Kramer-მა განაცხადა, რომ კომპანიამ ექსპერიმენტები AI-სა და ადამიანს შორის ხმითა და ტექსტით კომუნიკაციაზე დაახლოებით მაშინ დაიწყო, როცა GPT-4 გამოვიდა, რაც საბოლოოდ Pipecat-ის ფრეიმვორკის შექმნით დასრულდა. მან აღნიშნა, რომ შესყიდვის ინტერესი დიდი იყო, თუმცა მას უპირატესობა Deepgram-ის აღმასრულებელი დირექტორის, Scott Stephenson-ის იმ დაპირებას მიანიჭა, რომ Pipecat სამუდამოდ ღია კოდად დარჩებოდა. გარდა ამისა, ორივე კომპანიის საინჟინრო კულტურები ერთმანეთს ერგებოდა, რაც Daily-ის გუნდს უფრო დიდ ორგანიზაციაში სტეკის სხვადასხვა ნაწილზე მუშაობის თავისუფლებას აძლევდა.

Kramer-ის თქმით, Scott-ი მტკიცედ იყო გადაწყვეტილი, რომ Pipecat სამუდამოდ ღია კოდის პროექტად დარჩენილიყო და ვენდორული ნეიტრალიტეტი შეენარჩუნებინა; მისი აზრით, ღია ეკოსისტემა კომერციულ უპირატესობად შეიძლება იქცეს, როცა კომპანია სწრაფად მზარდი ეკოსისტემის ცენტრშია. Stephenson-მა განაცხადა, რომ Deepgram დიდი ხანია ღია კოდის პროექტებზე მუშაობა სურდა და აგენტებისთვის ორკესტრაციის ფრეიმვორკი პოტენციურ სფეროდ მიიჩნია. მისი თქმით, Deepgram სურს, ეკოსისტემა ღია იყოს, რათა ყველამ შეძლოს ხმოვანი აგენტების შექმნა, თუნდაც სხვადასხვა მოდელი გამოიყენოს, და კომპანიას სურს გაუმჯობესდეს იმ სფეროებში, სადაც დასაწევი აქვს.

Stephenson-ის თქმით, შესყიდვა დეველოპერებს საშუალებას აძლევს, შექმნან გამომხატველი აგენტები და სრულციკლური ხმოვანი სისტემები, სხვადასხვა მოდელისა და ყველა ნაწილის დამაკავშირებელი კონტექსტის ავტობუსის ჩართვით. Deepgram-ისთვის გარიგება ასევე ნიშნავს, რომ Pipecat-ის მეშვეობით ხმის მიღმა არსებული სფეროებიც გამოიკვლიოს, რადგან ფრეიმვორკი სხვადასხვა ფორმატში რეალურ დროში კომუნიკაციას ემსახურება. Kramer-ის თქმით, გუნდი Pipecat-ს არასოდეს აღიქვამდა ხმოვან ინსტრუმენტად, არამედ იმ ინსტრუმენტად, რომელიც ახალი ტიპის AI-ნატიური პროგრამული უზრუნველყოფის შესაქმნელადაა საჭირო; რეალურ დროში მუშაობა კი ყოველთვის ბუნებრივად იგულისხმებოდა, რადგან კომპანია სწორედ ამ სფეროდან მოდის.

Real-Time Context Standard და ბაზრის კონტექსტი

Deepgram ასევე უშვებს Real-Time Context Standard-ს, ხმოვანი აგენტების ღია პროტოკოლს, რომელიც Pipecat-ის გუნდთან ერთად შეიმუშავა. პროტოკოლი განსაზღვრავს მეტამონაცემებს, მაგალითად აუდიოდან მიღებულ კონტექსტს, როგორიცაა ჩურჩული, ენობრივი მოდელისთვის მითითებებს იმის შესახებ, თუ როგორ გამოიყენოს ეს სიგნალები, და მითითებებს იმაზე, თუ როგორ უნდა ჟღერდეს პასუხი.

ხმოვანი AI-ის სფეროში მნიშვნელოვანი ინვესტიციები განხორციელდა როგორც მოდელების, ისე ინფრასტრუქტურის მხრიდან. მოდელების შემქმნელებმა, როგორებიცაა ElevenLabs, Gradium და Fish Audio, მილიონობით დოლარი მოიზიდეს. ინფრასტრუქტურულმა კომპანიებმა, როგორებიცაა LiveKit და Vapi, წელს მრავალმილიონიანი დაფინანსების რაუნდები მოიზიდეს.

წყაროები: TechCrunch