Deepgram mua lại Daily, chủ sở hữu framework voice AI mã nguồn mở Pipecat

Lĩnh vực voice AI đang nóng lên từng ngày, và các ông lớn đang tìm cách củng cố vị thế thông qua hợp tác và thương vụ mua bán. Mới nhất, Deepgram tuyên bố mua lại Daily — công ty phát triển và duy trì Pipecat, một trong những framework hạ tầng voice AI mã nguồn mở phổ biến nhất.

Hai bên không tiết lộ giá trị thương vụ, nhưng khẳng định Pipecat sẽ tiếp tục được duy trì dưới dạng mã nguồn mở.

Pipecat là gì và vì sao thương vụ này quan trọng?

Với những ai chưa quen, Pipecat là framework quản lý luồng âm thanh và video, đồng thời điều phối các thành phần khác trong pipeline xử lý như nhận dạng giọng nói (STT), mô hình ngôn ngữ lớn (LLM) và chuyển văn bản thành giọng nói (TTS), tất cả với mục tiêu giảm độ trễ. Trong khi đó, Daily cung cấp hạ tầng lưu trữ (hosted infrastructure) cho các cuộc gọi thoại và video dưới mọi hình thức.

Thông qua thương vụ này, Deepgram nhiều khả năng sẽ có được hiểu biết sâu hơn về hạ tầng thoại và video theo thời gian thực — yếu tố then chốt để xây dựng các voice agent phản hồi tự nhiên và tức thời.

Những con số đáng chú ý

• Daily đã huy động được hơn 62 triệu USD từ các nhà đầu tư như Tiger Global, Highfield Capital, Nat Friedman, Lachy Groom và Kevin Weil, theo dữ liệu của PitchBook.
• Đầu năm nay, Deepgram đạt trạng thái kỳ lân với vòng gọi vốn Series C trị giá 130 triệu USD.
• Điều thú vị: cả hai công ty từng nằm trong cùng một khóa của Y Combinator năm 2016.

Vì sao Daily chọn Deepgram?

Kwindla Kramer, đồng sáng lập Daily, cho biết khoảng thời gian GPT-4 ra mắt, công ty bắt đầu thử nghiệm giao tiếp giữa AI và con người qua thoại và văn bản, và kết quả là framework Pipecat ra đời. Ông tiết lộ dù nhận được nhiều lời đề nghị mua lại, ông vẫn ưu tiên Deepgram vì cam kết của CEO Scott Stephenson trong việc giữ Pipecat mã nguồn mở mãi mãi, cùng sự tương đồng về văn hóa kỹ thuật giữa hai tổ chức.

"Scott cam kết mạnh mẽ rằng Pipecat sẽ mãi là mã nguồn mở và trung lập với nhà cung cấp. Tôi nghĩ ở đó có cả cam kết cá nhân lẫn động lực thương mại. Nếu bạn đứng giữa một hệ sinh thái đang tăng trưởng rất nhanh, với nhiều thành phần thực sự tốt nhất đến từ công ty bạn, thì việc mọi thứ mở nhất có thể chính là một lợi thế thương mại," Kramer chia sẻ với TechCrunch.

Chiến lược mở của Deepgram

Stephenson cho biết Deepgram đã mong muốn tham gia mã nguồn mở từ lâu, và nhận ra rằng một framework điều phối (orchestration framework) cho agent là lĩnh vực tiềm năng — điều này dẫn đến quyết định hợp tác với Daily.

"Chúng tôi muốn mở hệ sinh thái để ai cũng có thể xây dựng voice agent. Thật tuyệt nếu bạn dùng mô hình của Deepgram, nhưng tôi muốn bạn dùng mô hình tốt nhất cho trường hợp sử dụng của mình. Nếu Deepgram nhận thấy mình còn kém ở một lĩnh vực nào đó với mô hình và sản phẩm của chính mình, điều đó cũng tốt. Chúng tôi muốn bạn dùng các đối tác, rồi sau đó chính chúng tôi cũng sẽ nỗ lực để tốt hơn ở những lĩnh vực đó," Stephenson nói.

Theo ông, thương vụ này cho phép lập trình viên xây dựng agent có khả năng biểu đạt phong phú và hệ thống hội thoại đầu cuối (end-to-end) bằng cách cắm (plug-in) nhiều mô hình khác nhau cùng một context bus kết nối mọi thành phần.

Với Deepgram, thương vụ còn mở ra cơ hội vượt ra ngoài lĩnh vực thoại nhờ Pipecat, bởi framework này phục vụ giao tiếp thời gian thực ở nhiều định dạng khác nhau.

"Chúng tôi chưa bao giờ nghĩ Pipecat là một bộ công cụ chỉ dành cho thoại. Chúng tôi nghĩ về nó như bộ công cụ cần thiết để xây dựng loại phần mềm thuần AI mới. Vì xuất phát điểm của mình, chúng tôi luôn mặc định làm việc với thời gian thực," Kramer chia sẻ.

Chuẩn mở mới cho voice agent

Deepgram cũng ra mắt Real-Time Context Standard (RCS) — một giao thức mở dành cho voice agent, được phát triển chung với đội ngũ Pipecat. Giao thức này định nghĩa các siêu dữ liệu (metadata) như ngữ cảnh từ âm thanh (ví dụ một câu thì thầm), hướng dẫn cho mô hình ngôn ngữ về cách sử dụng các tín hiệu đó, cũng như chỉ dẫn về cách phản hồi nên được thể hiện.

Bối cảnh thị trường voice AI

Voice AI đang thu hút đầu tư mạnh mẽ cả ở phía mô hình lẫn hạ tầng. Các hãng phát triển mô hình như ElevenLabs, Gradium và Fish Audio đã huy động được hàng triệu USD. Trong khi đó, các công ty hạ tầng như LiveKit và Vapi cũng gọi vốn thành công nhiều triệu USD trong năm nay.

Với thương vụ này, có thể thấy cuộc đua trong lĩnh vực voice AI không chỉ diễn ra ở chất lượng mô hình, mà còn ở hạ tầng thời gian thực và hệ sinh thái mở — nơi các lập trình viên Việt Nam quan tâm đến việc xây dựng ứng dụng trợ lý giọng nói, tổng đài AI hay chatbot thoại có thể tận dụng Pipecat như một nền tảng miễn phí, linh hoạt để thử nghiệm và triển khai sản phẩm của riêng mình.