Sesli yapay zekâ şirketi Deepgram, açık kaynaklı Pipecat altyapısını geliştiren ve sürdüren Daily'yi satın alacağını perşembe günü duyurdu. Anlaşmanın bedeli açıklanmadı; şirketler Pipecat'in açık kaynaklı kalacağını bildirdi. Pipecat, ses ve video akışlarını konuşmayı metne dönüştürme (STT), büyük dil modelleri ve metni konuşmaya dönüştürme (TTS) gibi bileşenlerle bir araya getiren, gecikmeyi azaltmaya yönelik bir çerçeve. Daily ise farklı türlerdeki sesli ve görüntülü görüşmeler için barındırılan altyapı sağlıyor. Satın almayla Deepgram'ın gerçek zamanlı ses ve video altyapısına ilişkin uzmanlığını artırması bekleniyor.
Pipecat açık kaynaklı kalacak
Daily'nin kurucu ortağı Kwindla Kramer, GPT-4'ün çıktığı dönemde şirketin ses ve metin üzerinden yapay zekâ-insan iletişimini denemeye başladığını, bu çalışmaların Pipecat'in ortaya çıkmasını sağladığını belirtti. Kramer, “Scott, Pipecat'in sonsuza kadar açık kaynaklı ve tedarikçiden bağımsız kalması konusunda son derece kararlıydı. Bunun hem kişisel bir bağlılık hem de ticari bir gerekçe taşıdığını düşünüyorum. Hızla büyüyen bir ekosistemin merkezinde yer alıyor ve şirketiniz ekosistemin pek çok alanında gerçekten en iyi çözümleri sunuyorsa, her şeyi olabildiğince açık tutmak ticari bir avantajdır” dedi. Daily, PitchBook verilerine göre Tiger Global, Highfield Capital, Nat Friedman, Lachy Groom ve Kevin Weil gibi yatırımcılardan bugüne kadar 62 milyon doların üzerinde fon topladı. Deepgram ise bu yılın başlarında 130 milyon dolarlık C Serisi yatırım turuyla unicorn statüsüne ulaştı. İki şirket de 2016'da aynı Y Combinator döneminde yer aldı.
Ses ajanları için açık protokol
Deepgram Üst Yöneticisi Scott Stephenson, şirketin uzun süredir açık kaynak alanında çalışmak istediğini ve Daily ile iş birliği kararında ajanlar için bir orkestrasyon çerçevesinin potansiyelini gördüklerini söyledi. Stephenson, “Ekosistemi açarak herkesin ses ajanları geliştirebilmesini istiyoruz. Deepgram modellerini kullanmanız güzel; ancak kullanım alanınıza en uygun modelleri tercih etmenizi istiyorum. Deepgram, kendi modellerimiz ve ürünlerimiz açısından belirli bir alanda geride olduğumuzu fark ederse bu da iyi. Ortaklarımızı kullanmanızı istiyoruz; biz de o alanlarda daha iyi olmak için çalışacağız” diye konuştu. Stephenson, satın almanın geliştiricilerin farklı modelleri ve sistemin bileşenlerini birbirine bağlayan bir bağlam veri yolunu kullanarak ifade gücü yüksek ajanlar ve uçtan uca konuşma sistemleri kurmasına imkân vereceğini belirtti. Pipecat'in farklı biçimlerde gerçek zamanlı iletişime yönelik yapısı, Deepgram'ın ses dışındaki alanları da incelemesini sağlayacak. Kramer, “Pipecat'i hiçbir zaman bir ses araç seti olarak görmedik. Onu, bu yeni tür yapay zekâ odaklı yazılımları geliştirmek için ihtiyaç duyduğumuz araç seti olarak düşündük. Geldiğimiz yer nedeniyle gerçek zamanlı çalışmayı her zaman varsaydık” dedi. Deepgram, Pipecat ekibiyle birlikte geliştirdiği ses ajanlarına yönelik açık protokol Real-Time Context Standard'ı (RCS) da duyurdu. Protokol; ses verisinden gelen fısıltı gibi bağlam bilgilerini, dil modelinin bu sinyalleri nasıl kullanacağına ilişkin talimatları ve yanıtın nasıl duyulması gerektiğine yönelik yönlendirmeleri tanımlıyor. Sesli yapay zekâ alanında model geliştiren ElevenLabs, Gradium ve Fish Audio milyonlarca dolar yatırım alırken, altyapı şirketleri LiveKit ve Vapi de bu yıl milyonlarca dolarlık yatırım turları gerçekleştirdi.
