Balso agentų kūrėjams Pipecat žadamas nepriklausomas fondas

Deepgram paskelbė perkanti Daily, kuri sukūrė atviro kodo balso agentų sistemą Pipecat, ir kartu steigianti nepriklausomą šio projekto fondą. Spalio 29 dienos bendrovių pranešimuose pabrėžiama, kad programuotojams turėtų likti galimybė rinktis skirtingų tiekėjų modelius ir infrastruktūrą.

Oficialiame Deepgram pranešime nurodoma, kad Pipecat išliks nemokamas ir atviras pagal esamą BSD V2 licenciją, nepaverčiant jo vien nuosava uždara paslauga. Bendrovė žada investuoti į projekto plėtrą, bet kartu išlaikyti nepriklausomumą nuo konkretaus modelių, tinklo transporto ar programavimo sąsajų tiekėjo.

Daily bendrakūrėjas Kwindla Hultman Kramer naujoje struktūroje taps Deepgram atvirojo kodo vadovu, o Daily komanda prisijungs prie pirkėjos inžinierių. Deepgram pranešime jis atviro projekto išsaugojimą įvardija kaip vieną pagrindinių prisijungimo sąlygų, ne kaip vėliau pridėtą rinkodaros pažadą.

Atskirame Daily tinklaraščio įraše Kramer patikslina, kad fondą valdys visai realaus laiko DI sričiai atstovaujantis priežiūros komitetas. Jo sudėtyje numatomos ir su Deepgram konkuruojančios bendrovės, todėl paskelbta valdymo kryptis neapsiriboja vien įsigyjančios įmonės komanda.

Kramer tame pačiame įraše teigia, kad Deepgram parduos, palaikys ir toliau plėtos dabartinius Daily produktus bei paslaugas esamiems klientams. Tai apima ne vien Pipecat kodą: Daily taip pat valdo pasaulinę realaus laiko tinklo infrastruktūrą garso, vaizdo ir DI programoms.

Daily vadovas rašo, kad Pipecat per dvejus metus sukūrė aštuoniolika inžinierių, dirbusių su įvairių kalbos ir garso modelių bendrovėmis. Jo aprašomos darbų sritys apima modelius, jų vykdymo ir tinklo infrastruktūrą, agentų prieglobą, koordinavimo įrankius ir pačias galutines programas.

Deepgram pranešime kartu pristatomas su Pipecat komanda kurtas Real-Time Context Standard protokolas, skirtas išlaikyti daugiau informacijos apie gyvą pokalbį. Bendrovė aiškina, kad perduodant vien atpažintus žodžius tarp modelių dažnai prarandamas tonas, kalbančiojo tapatybė arba tuo metu girdimas fonas.

Pagal Deepgram aprašymą, naujo standarto paskirtis yra perduoti tokį papildomą kontekstą per visą pokalbį, o ne apsiriboti vien teksto grandine. Tai atskira techninė užduotis nuo paties modelių ir tinklo sujungimo, nes tinkamai perduotas sakinys dar neapima visos garso informacijos.

Daily tinklaraštyje Kramer platesnį tikslą sieja su bendrais standartais programoms, kuriose dalyvauja žmogus, ir mažos delsos daugiapakopiais pokalbiais. Jis pabrėžia planus plėsti WebRTC bei realaus laiko infrastruktūrą didesnės bendrovės viduje, kartu tęsiant atviro projekto inžinerinį darbą.

Daily vadovas taip pat primena bendrovių pažintį per Y Combinator 2016 metais. Toliau bus laukiama fondo valdymo praktikos ir išsamesnių naujos Deepgram Voice Agent Platform techninių duomenų bei prieinamumo sąlygų paskelbimo. Oficialus pranešimas platformą apibūdina kaip būsimą pasiūlymą, todėl susijungimo pažadų dar negalima sutapatinti su visų numatytų funkcijų dabartiniu prieinamumu.