Deepgram veut peser sur toute la chaîne de la voix artificielle. L'entreprise de San Francisco, connue pour ses modèles de reconnaissance et de synthèse vocales, a annoncé le 29 octobre l'acquisition de Daily, fournisseur d'infrastructures audio et vidéo en temps réel et créateur de Pipecat, le framework libre devenu un standard de fait pour assembler modèles vocaux, modèles de langage et téléphonie dans des agents conversationnels. Aucune des deux parties n'a révélé le prix.
Pipecat est la pièce maîtresse de l'opération. Daily le présente comme le framework le plus répandu pour les agents vocaux, avec plus de 200 intégrations et près de 400 contributeurs. Il gère notamment le changement de modèle en cours de conversation, la détection de fin de parole, les interruptions et la circulation des données entre composants. L'ensemble a été publié en open source en 2024. Deepgram récupère aussi le réseau commercial de Daily, qui compte selon elle 75 points de présence conçus pour le trafic en direct à faible latence.
Deepgram commercialisant ses propres modèles, les utilisateurs de Pipecat pouvaient craindre que l'outil penche vers un seul fournisseur. Les deux sociétés ont pris la question à bras-le-corps. Pipecat reste gratuit sous licence BSD et passe sous la houlette d'une Pipecat Foundation indépendante, pilotée par un comité dont feront partie, selon le cofondateur de Daily Kwindla Hultman Kramer, des concurrents directs de Deepgram. Devenu responsable de l'open source chez l'acquéreur, Kramer a confié à TechCrunch que plusieurs prétendants s'étaient manifestés et que l'engagement du PDG Scott Stephenson en faveur de la neutralité avait fait la différence.
Pour Stephenson, il s'agit de miser sur une orchestration ouverte plutôt que sur l'enfermement des clients. Il a expliqué à TechCrunch vouloir que les développeurs retiennent le meilleur modèle pour chaque usage, même s'il ne vient pas de Deepgram, et considérer les points faibles de sa gamme comme autant de chantiers. Pipecat et le réseau de Daily doivent servir de socle à une future Deepgram Voice Agent Platform, que le directeur produit Ed Anuff devait présenter lors de la première conférence Speak à San Francisco, accompagnée de deux nouveaux modèles conversationnels et d'une Global API censée fiabiliser les connexions.
Les deux partenaires lancent par ailleurs le Real-Time Context Standard (RCS), un protocole ouvert rédigé par Deepgram et l'équipe de Pipecat. Aujourd'hui, les chaînes vocales ne transmettent en général d'un modèle à l'autre que les mots transcrits, en perdant le ton, l'identité du locuteur ou les bruits ambiants. RCS ajoute trois familles de métadonnées : ce que révèle l'audio, la manière dont le modèle de langage doit exploiter ces indices et le rendu attendu de la réponse parlée. Des adaptateurs convertissent ces signaux pour les modèles de chaque fournisseur, de sorte qu'un agent puisse demander de répéter un mot mal compris ou baisser la voix face à quelqu'un qui chuchote.
Les deux maisons se connaissent de longue date. Elles ont fait partie de la même promotion de Y Combinator en 2016, et Daily intègre la transcription de Deepgram dans ses API audio et vidéo depuis 2019. D'après les données de PitchBook citées par TechCrunch, Daily a levé plus de 62 millions de dollars, tandis que Deepgram est devenue une licorne cette année grâce à une série C de 130 millions.
L'opération intervient sur un marché encombré, où des acteurs d'infrastructure comme LiveKit et Vapi ou des fabricants de modèles comme ElevenLabs ont levé des sommes importantes cette année. La capacité de la fondation à donner un vrai poids aux rivaux, et l'accueil réservé à RCS par les autres fournisseurs, diront si Pipecat reste la couche neutre que Daily avait bâtie.