DeepgramがPipecat開発元のDailyを買収、音声AI基盤を強化

買収で何が変わるか

Deepgramは2026年10月29日（現地時間の木曜日）、音声・映像通話向けのホスト型基盤を提供し、オープンソースの音声AIフレームワークPipecatの開発元でもあるDailyを買収すると発表しました。買収額は両社とも開示していません。両社はPipecatをオープンソースのまま維持すると説明しています。

Pipecatは、音声や映像のストリームと、音声認識（STT）、大規模言語モデル（LLM）、音声合成（TTS）といったパイプラインの各要素をまとめて制御し、遅延を抑えるためのフレームワークです。Daily側はこうした処理を動かすためのホスト型インフラを提供してきました。Deepgramにとっては、リアルタイムの音声・映像基盤に関する知見を深める買収になるとみられます。

資金面では、PitchBookのデータとしてDailyがこれまでに$62 million超を調達していること、Deepgramが今年シリーズCで$130 millionを調達してユニコーン（企業価値10億ドル超の未上場企業）の仲間入りをしたことが挙げられています。両社は2016年のY Combinatorで同じバッチだったという間柄です。

Pipecatが生まれた背景

Dailyの共同創業者であるKwindla Kramer氏は、GPT-4が登場した頃から、AIと人間の間で音声やテキストを用いたコミュニケーションを実験し始めたと説明しています。その試行錯誤が最終的にPipecatというフレームワークにつながりました。

Kramer氏によれば、買収の打診は複数あったものの、Pipecatを恒久的にオープンソースとして維持するというDeepgramのCEO、Scott Stephenson氏の姿勢を評価して今回の判断に至ったといいます。両社のエンジニアリング文化が近く、より大きな組織の中でスタックの異なる部分を担当できる自由が得られる点も決め手だったと述べています。

Stephenson氏は、Deepgramとして以前からオープンソースに関わりたいと考えており、エージェント向けのオーケストレーション（構成要素の組み合わせ制御）フレームワークが有望な領域だと捉えていたと話しています。今回の買収によって、開発者は異なるモデルと、各部をつなぐ「コンテキストバス」を差し込むことで、表現力のあるエンドツーエンドの音声システムを構築できるようになると説明しています。

中立性を保つ戦略

Stephenson氏は、Deepgramのモデルを使ってもらえれば嬉しいが、用途に合った最良のモデルを選んでほしいという考えを示しています。自社モデルや製品で見劣りする領域があれば、パートナーの利用を促しつつ、自社でも改善を進めるという姿勢です。

Kramer氏は、Pipecatを単なる音声向けツールキットではなく、AIネイティブなソフトウェアを構築するための道具として捉えていたと語っています。同氏の出身がリアルタイム通信だったことから、常にリアルタイム性を前提に設計してきたといいます。

成長の速いエコシステムの中心に位置し、その中の多くの部分で自社が最善を出せるのであれば、全体を可能な限りオープンにすることが商業的な利点になる、というのがKramer氏の説明です。買収後もベンダー中立を保つ方針が、利用者にとっての安心材料になるかどうかは今後の運用次第といえそうです。

RCSと残る論点

Deepgramは今回、Pipecatチームと共同で開発したオープンプロトコル「Real-Time Context Standard（RCS）」も公開します。音声エージェント向けの規格で、音声に含まれる「ささやき」のような文脈情報、言語モデルがその信号をどう使うかの指示、応答がどう聞こえるべきかの指針といったメタデータを定義するものです。

音声AIにはモデル側と基盤側の双方から投資が集まっています。モデル側ではElevenLabs、Gradium、Fish Audioなどが資金を調達し、基盤側ではLiveKitやVapiが今年に入って数百万ドル規模のラウンドを実施したと記事は伝えています。

一方で、買収額や統合後の組織・製品ロードマップ、Pipecatのガバナンス体制は現時点で公表されていません。RCSの仕様の詳細や対応範囲も、原文では概要以上の言及がなく、今後の開示を待つ必要があります。