Голосовой AI интересен бизнесу не потому, что бот научился говорить приятнее. Владелцу куда важнее другое: примет ли агент звонок, поймёт ли запрос, не зависнет ли на пять секунд между фразами и передаст ли данные в CRM. Именно здесь новость о Deepgram и Daily приобретает практическую ценность.

Как пишет TechCrunch AI, Deepgram покупает Daily — компанию, которая создала и поддерживает Pipecat, один из популярных open-source фреймворков для голосовой AI-инфраструктуры. Сумма сделки не раскрывается. Обе компании заявили, что Pipecat останется открытым.

Живой разговор с AI держится не на одном модуле

Pipecat интересен тем, что он связывает несколько сложных вещей: голосовые и видеопотоки, распознавание речи, LLM, синтез речи и работу с задержкой. Это не красивая обёртка для чатбота. Это инженерная основа, без которой разговор с AI быстро превращается в неудобный эксперимент.

Представим службу доставки. Клиент звонит и спрашивает, где его заказ. Агент должен распознать речь, вытащить номер заказа, обратиться к системе, собрать ответ и произнести его естественно. Если каждая часть живёт отдельно, разговор ломается: паузы, повторы, неправильные уточнения. Именно поэтому инфраструктура, которая управляет всей цепочкой, становится ценной.

После сделки Deepgram получит более глубокий доступ к работе с голосом и видео в реальном времени. Компания ранее получила статус единорога после раунда Series C на 130 миллионов долларов. По данным PitchBook, Daily привлекла более 62 миллионов долларов. Есть и любопытная деталь из истории: обе компании были в одном наборе Y Combinator в 2016 году.

Daily начала экспериментировать с голосовой и текстовой коммуникацией AI с людьми примерно после появления GPT-4. Отсюда и вырос Pipecat. По словам сооснователя Daily Куиндли Крамера, для него было принципиально важно, чтобы Pipecat оставался открытым и нейтральным к поставщикам. Для рынка это хороший сигнал. Разработчики не хотят строить голосовые продукты на закрытом коробочном решении, из которого потом сложно выйти.

Бизнесу не нужно завтра бежать за ботом. Но присмотреться стоит

Для малого и среднего бизнеса эта сделка не означает, что контакт-центр нужно срочно менять уже в понедельник. Она показывает другое: голосовые агенты становятся платформой, а не разовой интеграцией в духе «поставим бота на звонки».

Начинать лучше с узких сценариев, где много повторов и понятно, что считать успехом:

  • первичная запись в клинику или салон;
  • ответы на типовые вопросы интернет-магазина;
  • квалификация лидов для агентства или B2B-команды;
  • проверка статуса заказа в службе доставки.

Проблемы тоже никуда не исчезают. Задержка в голосовом разговоре раздражает сильнее, чем медленный ответ в чате. Плохое распознавание украинского или смешанной речи может сломать весь сценарий. Ещё один риск — зависимость от одного провайдера моделей. Поэтому открытый Pipecat и возможность подключать разные модели выглядят здорово с точки зрения архитектуры.

Контекст разговора становится частью продукта

Deepgram также запускает Real-Time Context Standard — открытый протокол для голосовых агентов, созданный вместе с командой Pipecat. Он описывает, как передавать метаданные из аудио, например шёпот, как LLM может использовать такие сигналы и как должна звучать ответная реплика.

И вот здесь начинается самое интересное. Голосовой агент сможет реагировать не только на слова, но и на контекст разговора. Для бизнеса это может означать разницу между «бот зачитал скрипт» и «агент понял, что клиент нервничает, и ответил мягче». Звучит просто, но технически это сложная работа.

Наша позиция в Artica такая: не покупайте «голосовой AI» как магическую кнопку. Опишите один процесс, посчитайте, сколько времени он отнимает у людей, и протестируйте агента на ограниченном потоке. Если инфраструктура открытая, модульная и не запирает вас у одного вендора, шансов получить пользу значительно больше.