语音 AI 赛道正热，头部玩家正通过合作与收购巩固位置。Deepgram 周四宣布收购 Daily，后者是开源语音 AI 框架 Pipecat 的开发者与维护方。双方未披露交易金额，但明确表示 Pipecat 会继续保持开源。

Pipecat 是一个管理语音和视频流、并串联语音转文字（STT）、大语言模型、文字转语音（TTS）等环节的框架，目标是降低延迟。Daily 本身提供各类语音和视频通话的托管基础设施。对 Deepgram 而言，收购 Pipecat 意味着更深地理解实时语音与视频基础设施。

Daily 此前累计融资超过 6200 万美元，投资方包括 Tiger Global、Highfield Capital、Nat Friedman、Lachy Groom、Kevin Weil。Deepgram 今年早些时候刚完成 1.3 亿美元 C 轮融资，跻身独角兽。两家公司都出自 Y Combinator 2016 年同一批孵化项目。

Daily 联合创始人 Kwindla Kramer 回忆，GPT-4 发布前后，公司开始实验 AI 与人类通过语音和文本通信，最终催生了 Pipecat。他坦言收到过不少收购意向，但最终选择 Deepgram，是因为 CEO Scott Stephenson 承诺让 Pipecat 永远开源且保持厂商中立，同时两家公司的工程文化匹配，Daily 团队在更大的组织内仍有自由度去触碰技术栈的不同部分。Kramer 认为，坐落在快速增长生态系统的中间层，保持最大程度的开放本身就是一种商业优势。

Stephenson 则表示，Deepgram 一直想在开源方向有所作为，并意识到 Agent 编排框架是一个潜在切入点。他希望开放生态，让所有人能构建语音 Agent：即使用户不用 Deepgram 的模型，也能用到最适合自己场景的模型。若 Deepgram 在某个领域落后，也愿意与合作伙伴一起补齐。这笔收购让开发者可以自由组合不同模型，通过连接各部分的 context bus 来构建富有表现力的端到端语音系统。

对 Deepgram 来说，Pipecat 的价值不止于语音——它面向不同格式的实时通信。Kramer 强调，Pipecat 从不是单纯的语音工具包，而是构建 AI 原生软件所需的工具，因为出身于实时领域，所以默认一切都要实时。

随收购一起发布的还有 Real-Time Context Standard（RCS），一个由 Deepgram 与 Pipecat 团队联合开发的开放协议，专为语音 Agent 设计。该协议定义了音频中的上下文元数据（比如耳语声）、LLM 对这些信号的可用方式，以及回复应有的音色指导。

语音 AI 在模型侧和基础设施侧都吸引了大量投资。模型厂商如 ElevenLabs、Gradium、Fish Audio 均融资数百万美元；基础设施公司如 LiveKit、Vapi 今年也完成了多轮大额融资。