DeepgramがPipecatのDailyを買収し音声AIインフラを強化

Deepgramが音声AIインフラ強化のためDailyを買収—Pipecatはオープンソース維持のイメージ画像

2026年10月29日、音声AI分野のリーディングカンパニーであるDeepgramは、リアルタイム音声・ビデオインフラのDaily社を買収することを発表しました（TechCrunch – AI）。Deepgramはユニコーン企業であり、今年初めにシリーズCで1億3000万ドルを調達しています。一方、DailyはTiger Globalなどの投資家からこれまでに6200万ドル以上を調達しており、両社は2016年のY Combinatorの同じバッチ出身という興味深い共通点を持っています。

DeepgramによるDaily社の買収は、音声AI市場におけるリアルタイム通信インフラの重要性を示しています。

買収金額は非公開とされていますが、Dailyが開発・保守する人気のオープンソース音声AIフレームワーク「Pipecat」が、今後もオープンソースとして維持されることが強調されています。Pipecatは、音声やビデオストリームを管理し、音声認識（STT）、大規模言語モデル（LLM）、音声合成（TTS）などのパイプライン要素と連携しながら、レイテンシを削減するフレームワークです。

PipecatとReal-Time Context Standard (RCS)による開発者体験の向上

Deepgramが音声AIインフラ強化のためDailyを買収—Pipecatはオープンソース維持のイメージ画像

Dailyの共同創設者であるKwindla Kramer氏によると、PipecatフレームワークはGPT-4の登場前後から、AIと人間との音声・テキストによるコミュニケーション実験の中から生まれたとのことです。Kramer氏は、買収先としてDeepgramのCEOであるScott Stephenson氏がPipecatのオープンソース性を永続的に維持することにコミットしたこと、そして両社のエンジニアリング文化が合致したことを評価しています（TechCrunch – AI）。

Scott Stephenson氏は、Deepgramが長年オープンソースでの取り組みを検討しており、エージェントのためのオーケストレーションフレームワークがその可能性を秘めていると語っています。今回の買収により、開発者は異なるモデルをプラグインし、すべての部分を接続するコンテキストバスを通じて、表現力豊かなエージェントや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ります。

DeepgramはPipecatチームと共同で、音声エージェントのためのオープンプロトコルである「Real-Time Context Standard (RCS)」も発表しています。RCSは、ささやき声のようなオーディオからのコンテキスト、言語モデルがこれらの信号をどのように使用すべきかの指示、そして応答がどのように聞こえるべきかのガイダンスといったメタデータを定義します。

機能 Deepgram買収前 Deepgram買収後（Pipecat統合）
コア事業 音声AIモデル、STT 音声AIモデル、STT、リアルタイム音声・ビデオインフラ
オープンソース戦略 長年の検討事項 Pipecatのオープンソース維持、RCSプロトコルの公開
開発者への価値 Deepgramモデルの提供 異なるモデルを組み合わせた表現力豊かなエージェント開発、エンドツーエンド音声システム

広がるAI企業のM&A動向

今回のDeepgramによるDaily買収だけでなく、AI関連企業のM&Aが活発化していることが他のニュースからも伺えます。例えば、OpenAIが出資するThrive Holdingsが物理セキュリティ企業のADTを76億ドルで買収したり（TechCrunch – AI）、AppleがAIデータハンドリング企業のAscend.ioを買収したりと（AppleInsider）、大手企業がAI技術や関連インフラを自社に取り込む動きが加速しています。これらの動きは、AIが特定の技術分野に留まらず、セキュリティ、データ管理、スマートホームなど、あらゆる産業の基盤技術として浸透しつつある現状を反映していると言えるでしょう。

エンジニア目線で見ると：リアルタイムAIの未来とオープンソースの重要性

今回のDeepgramによるDaily買収は、リアルタイム音声AIの未来を非常に強く示唆していると感じます。Pipecatが単なる音声ツールキットではなく、「新しいタイプのAIネイティブソフトウェアを構築するために必要なツールキット」と位置付けられている点に注目したいです。普段、PythonやTypeScriptでAPIを叩いてLLMと連携する際、リアルタイム性やレイテンシは常に課題となりますが、Pipecatのようなフレームワークがあれば、そうした実装の複雑さを吸収してくれるのではないでしょうか。

個人的には、DeepgramがPipecatをオープンソースとして永続的に維持すると明言している点が非常に好印象です。AIモデルの技術的な進歩が急速に進む中で、それらを繋ぎ合わせ、実際のアプリケーションに組み込むためのインフラ層がオープンであることは、エコシステム全体の活性化に不可欠だと考えます。様々な音声モデルやLLMが登場する中で、特定のベンダーにロックインされずに最適なモデルを選択できることは、開発者にとって大きなメリットです。

自分の個人プロダクトでも、リアルタイムでの音声対話を取り入れたいと考えているので、PipecatやRCSプロトコルを触ってみるのは非常に価値があると感じます。GCP環境との連携もスムーズであれば、さらに利用の幅が広がるのではないでしょうか。