Deepgram comprará Daily, creadora de Pipecat, y trasladará el framework de agentes de voz a una fundación independiente

La empresa de IA de voz Deepgram anunció el 29 de octubre que adquiere Daily, proveedora de infraestructura de audio y vídeo en tiempo real y creadora de Pipecat, un framework de código abierto para construir agentes de voz. El anuncio se hizo en Speak, primer evento de Deepgram, en San Francisco. No se han revelado el precio, la estructura de la operación ni la fecha prevista de cierre.

Qué pasa con Daily y con Pipecat

Según ambas compañías, el equipo de Daily se incorpora a Deepgram, y el cofundador de Daily, Kwindla Hultman Kramer, pasa a ser responsable de código abierto. Daily explica que Deepgram seguirá vendiendo, dando soporte y desarrollando todos sus productos actuales, entre ellos sus bibliotecas WebRTC, de telefonía y multiplataforma, y su red global, que Deepgram cifra en 75 puntos de presencia. Daily afirma que para sus clientes no cambia nada.

Pipecat, cuyo código Daily liberó en 2024, seguirá siendo gratuito bajo su licencia BSD actual. Deepgram dice que creará una Pipecat Foundation independiente junto con Daily y otras organizaciones que usan el proyecto o contribuyen a él. Según Daily, la fundación estará dirigida por un comité que pretende representar a todo el ecosistema de IA en tiempo real, incluidas empresas que compiten con Deepgram. No se han publicado sus miembros, su financiación ni la composición del comité. Daily atribuye a Pipecat más de 200 integraciones y casi 400 colaboradores.

Ambas pasaron juntas por Y Combinator en 2016, y Deepgram transcribe el audio de las API de Daily desde 2019.

Un protocolo abierto para el contexto de la conversación

Junto con la operación, Deepgram presentó el Real-Time Context Standard (RCS), desarrollado con el equipo de Pipecat. En un artículo de su director de producto, Ed Anuff, la empresa lo describe como una ampliación del formato de chat completions que emplean la mayoría de las API de modelos de lenguaje. Añade tres tipos de metadatos: señales sobre cómo sonó el hablante, instrucciones sobre cómo debe tratarlas el modelo y pautas sobre cómo debe entonar la respuesta el sistema de síntesis de voz. Unos adaptadores traducirían estos campos para cada proveedor de modelos. La especificación está abierta a comentarios y cuenta con una demostración en GitHub; el artículo no indica licencia.

Contexto y dudas pendientes

Deepgram adoptará Pipecat como núcleo de una futura Voice Agent Platform, todavía sin fecha de lanzamiento. Por eso la independencia de la fundación es el aspecto clave: quien impulsa el framework venderá también una plataforma propia construida sobre él. Cómo se elija el comité y si se suman otros proveedores de modelos de voz mostrarán si Pipecat sigue siendo tan neutral como prometen ambas compañías.