Deepgram perka atviro balso DI pagrindo Pipecat kūrėją
Deepgram perka Daily, kuriančią Pipecat balso ir vaizdo DI infrastruktūrą. Bendrovės žada išlaikyti projektą atvirą ir nepririštą prie vieno modelių tiekėjo.
„Deepgram“ paskelbė perkanti „Daily“, kuri kuria ir prižiūri atvirą „Pipecat“ infrastruktūrą realiuoju laiku veikiantiems balso bei vaizdo DI agentams. Spalio 29 dieną apie sandorį pranešusiam „TechCrunch“ bendrovės neatskleidė jo vertės, tačiau pažadėjo išlaikyti projektą atvirą.
Pasak „TechCrunch“, „Pipecat“ valdo garso ir vaizdo srautus bei jungia kalbos atpažinimą, didžiuosius kalbos modelius ir kalbos sintezę. Šių grandinės dalių koordinavimas skirtas mažinti atsako delsą, o pati „Daily“ teikia valdomą infrastruktūrą balso ir vaizdo skambučiams.
„Daily“ bendraįkūrėjas Kwindla Kramer leidiniui pasakojo, kad bendrovė pradėjo bandyti žmogaus ir DI bendravimą pasirodžius GPT-4 modelių kartai. Šie balso bei teksto eksperimentai vėliau tapo „Pipecat“, todėl įsigijimas apima ne tik vieną modelį, bet komunikacijos priemonių sluoksnį.
Kramer „TechCrunch“ teigė, kad sulaukė ir kitų pirkėjų susidomėjimo, tačiau svarbi buvo „Deepgram“ vadovo Scott Stephenson pozicija dėl atviro projekto ateities. Pasak jo, sutapo ir abiejų organizacijų inžinerinė kultūra, leidžianti komandai dirbti su skirtingomis didesnės sistemos dalimis.
Scott Stephenson leidiniui aiškino norintis, kad kūrėjai rinktųsi geriausius jų užduočiai tinkamus modelius, net jei juos siūlo kiti tiekėjai. Tai įvardyta produkto kryptis ir vadovo įsipareigojimas, o ne techninis įrodymas, kad ateityje visos integracijos turės vienodas galimybes.
Pasak „Deepgram“ vadovo, įsigijimas leis jungti skirtingus modelius, išraiškingesnes kalbos sistemas ir bendrą kontekstą perduodantį ryšio sluoksnį. Kramer interviu pabrėžė, kad „Pipecat“ komanda savo projektą nuo pradžių laikė platesniu realaus laiko DI programinės įrangos pagrindu.
Kartu „Deepgram“ pristato su „Pipecat“ komanda kurtą atvirą „Real-Time Context Standard“ protokolą, trumpinamą RCS, skirtą balso agentų kontekstui. „TechCrunch“ aprašyme jis apima iš garso gaunamą metainformaciją, nurodymus kalbos modeliui ir informaciją apie pageidaujamą atsakymo skambesį.
Leidinys pateikia šnabždesio pavyzdį: svarbi gali būti ne tik atpažinta frazė, bet ir tai, kaip ji ištariama pokalbio metu. Tokių signalų perdavimas skirtingoms sistemos dalims yra protokolo užduotis, tačiau publikacijoje nepateikta vieno universalaus tikslumo ar delsos pagerėjimo skaičiaus.
Finansinį kontekstą „TechCrunch“ pateikia remdamasis „PitchBook“ duomenimis: „Daily“ anksčiau buvo pritraukusi daugiau kaip 62 milijonus dolerių iš investuotojų. Tarp jų įvardyti „Tiger Global“, „Highfield Capital“, Nat Friedman, Lachy Groom ir Kevin Weil; ankstesnis finansavimas nėra dabartinė pardavimo kaina.
„Deepgram“ šių metų pradžioje paskelbė 130 milijonų dolerių „Series C“ etapą, o abi bendrovės dalyvavo toje pačioje 2016 metų „Y Combinator“ programoje. Leidinio pateikiamas fonas paaiškina ryšius ir plėtros mastą, tačiau nepakeičia neatskleistų dabartinio sandorio finansinių sąlygų.
Toliau komandos ketina plėtoti realaus laiko agentų infrastruktūrą ir RCS, išlaikydamos „Pipecat“ atvirą bei nepriklausomą nuo vieno tiekėjo. „TechCrunch“ publikacijoje nenurodyta konkreti visų būsimų integracijų išleidimo data, todėl dabartinis pranešimas nepatvirtina vienu metu paleidžiamų visų naujų funkcijų.
Rašome apie dirbtinį intelektą lietuviškai. Kiekvienas straipsnis parengtas pagal nurodytą šaltinį, o nuorodą į originalą rasite kortelėje „Šaltinis“.
