음성 AI가 이미지 생성 및 코딩 어시스턴트와 같은 경로를 따르고 있습니다.

Pipecat은 실시간 음성 AI 에이전트를 구축하기 위한 오픈 소스 프레임워크입니다.

이는 전체 음성 스택을 처리합니다:

→ Speech-to-Text (음성 인식)
→ LLM 추론
→ Text-to-Speech (텍스트 음성 변환)
→ 실시간 스트리밍
→ 대화 오케스트레이션(Conversation orchestration)

다음과 같은 모든 것을 구축하는 데 필요합니다:

• AI 전화 에이전트
• 고객 지원 봇
• 음성 코파일럿
• AI 컴패니언
• 인터랙티브 어시스턴트
• 멀티모달 경험

차별점은 다음과 같습니다:

• 앱을 다시 작성할 필요 없이 모든 AI 제공업체를 교체할 수 있습니다.
• OpenAI, Claude, Gemini, Groq, Ollama 등 플러그인 가능
• Deepgram, Whisper, AssemblyAI 또는 기타 STT 제공업체 선택 가능
• TTS의 경우 ElevenLabs, OpenAI, Cartesia, Azure 등 사용 가능
• 초저지연을 위해 WebRTC + WebSockets 내장

가장 큰 변화는 새로운 모델이 아닙니다.

전체 인프라 계층 자체가 상품(commodity)이 되고 있다는 것입니다.

승자는 음성 API를 판매하는 회사가 아닐 것입니다.

사용자들이 실제로 원하는 제품을 구축하는 회사일 것입니다.

GitHub: