Pipecat

Účel

Python framework pro hlasové a multimodální agenty běžící v reálném čase. Skládá pipeline z vyměnitelných kroků — příjem zvuku, detekce řeči, přepis, volání modelu, syntéza, přehrání — a řeší to, co je na hlasovém agentovi těžké: streamování, přerušování řeči, latenci mezi kroky a stav konverzace. Kromě jednoduchého bota zvládá i více agentů s předáváním, paralelním během a strukturovanými dialogy. Transport přes WebRTC, WebSockets nebo WhatsApp, klientské SDK pro JavaScript, React, Swift, Kotlin a C++.

Odlišnost

Proti hotovým hlasovým platformám (Vapi, Retell) je Pipecat knihovna, ne služba: nic nedrží za nás, ale taky nás nikam nezamyká — STT, LLM i TTS jsou vyměnitelné kusy ze zhruba 200 integrací. Proti LiveKit Agents je rozdíl v těžišti: LiveKit staví na vlastní realtime infrastruktuře, Pipecat na explicitní pipeline, do které se dá vstoupit na úrovni jednotlivých rámců. Když je pořadí a chování pipeline produktová vlastnost, ne detail, je to argument pro Pipecat.

Nasazení

Python 3.11+ (doporučeno 3.12+), instalace uv add pipecat-ai nebo přes pip. Licence BSD-2-Clause. Self-host v kontejneru, nebo hostovaná Pipecat Cloud, která běh a škálování agentů převezme; Pipecat Enterprise je totéž ve vlastním AWS/Azure/GCP kvůli compliance. Ani jedna varianta nemá zveřejněný ceník — obě vedou na kontakt s obchodem. Udržuje Daily (provozovatel WebRTC infrastruktury) spolu s komunitou.