Tether wprowadza offline'owy model rozpoznawania mowy AI dla okularów inteligentnych i robotów

Tether wprowadził model rozpoznawania mowy o 254 milionach parametrów, który może transkrybować rozmowy bezpośrednio na smartfonach, okularach inteligentnych i robotach humanoidalnych, bez wysyłania dźwięku do serwerów w chmurze. Podsumowanie

• Tether wprowadził TranscribePsy, model AI o 254 milionach parametrów, który przetwarza mowę lokalnie na smartfonach, okularach inteligentnych i robotach humanoidalnych bez dostępu do chmury.
• Model transkrybował 10 minut dźwięku w 1,65 sekundy na iPhonie 17 Pro Max i działał szybciej niż kilka konkurencyjnych systemów rozpoznawania mowy w testach Tethera.
• TranscribePsy obsługuje 25 języków europejskich na laptopach i osiem na telefonach, z dedykowanymi wersjami zoptymalizowanymi dla Apple Neural Engine.
• Wydanie open source jest częścią projektu QVAC AI Tethera, który koncentruje się na uruchamianiu aplikacji AI bezpośrednio na urządzeniach konsumenckich, zachowując prywatność danych użytkowników.

Według ogłoszenia z 14 października od Tether AI Research, model open source, nazwany QVAC TranscribePsy, obsługuje wielojęzyczne rozpoznawanie mowy i jest zaprojektowany do działania na urządzeniach o ograniczonej mocy obliczeniowej.

Firma stwierdziła, że model może transkrybować 10 minut dźwięku w 1,65 sekundy na iPhonie 17 Pro Max, korzystając z frameworka Core ML Apple.

TranscribePsy jest częścią projektu QVAC AI Tethera, który koncentruje się na uruchamianiu aplikacji sztucznej inteligencji lokalnie. Jego wydanie daje programistom dostęp do oprogramowania rozpoznawania mowy, które może działać bez połączenia z internetem.

Dla okularów inteligentnych model może przetwarzać dźwięk odbierany przez Bluetooth lub Wi-Fi z minimalnym opóźnieniem. Roboty humanoidalne mogą uruchamiać oprogramowanie na swoich procesorach pokładowych, pozostawiając moc obliczeniową dostępną do funkcji takich jak nawigacja, rozpoznawanie wizualne i ruch fizyczny.

Tether stwierdził, że lokalne przetwarzanie może być przydatne w konsultacjach medycznych, wywiadach prawnych, sesjach terapeutycznych i dziennikarstwie, gdzie nagrania mogą zawierać poufne informacje.

Model TranscribePsy Tethera osiąga silne wyniki w benchmarkach

W ocenach wydajności opublikowanych przez firmę, TranscribePsy zarejestrował wskaźnik błędów słownych na poziomie 8,02% na Open ASR Leaderboard i 6,58% na Multilingual LibriSpeech.

Jego wskaźnik błędów słownych na Common Voice wyniósł 21,56%, przy czym Tether twierdzi, że model przewyższył inne systemy w tej samej kategorii parametrów.

Model o 254 milionach parametrów został porównany z większymi alternatywami, w tym Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 i Whisper-Medium.

Pomimo mniejszej liczby parametrów, TranscribePsy osiągnął lepsze wyniki w benchmarku Multilingual LibriSpeech niż kilka modeli trzy- lub czterokrotnie większych, według ustaleń zespołu badawczego.

Testy przeprowadzone na sześciu smartfonach wykazały, że model był 2,6 razy szybszy niż następny najszybszy system i 5,7 razy szybszy niż Whisper-small podczas działania na procesorach telefonów.

Jego wersja zoptymalizowana dla iPhone'a wymagała mniej niż połowy miejsca na dysku i 1,7 razy mniej pamięci niż konkurencyjny model Core ML uwzględniony w ocenie.

Dokładność rozpoznawania mowy mierzono za pomocą wskaźnika błędów słownych, który porównuje słowa generowane przez system transkrypcyjny z oryginalną treścią mówioną. Niższe wyniki wskazują na mniejszą liczbę błędów transkrypcyjnych.

Tether opublikował konfiguracje oceny wraz z modelem, aby umożliwić badaczom reprodukcję zgłoszonych wyników.

Oprogramowanie do rozpoznawania mowy obsługuje 25 języków europejskich

TranscribePsy zostało wydane w czterech wersjach zaprojektowanych dla różnych wymagań sprzętowych i językowych.

Jeden model laptopa obsługuje 25 języków europejskich, podczas gdy mniejsza konfiguracja językowa koncentruje się na ośmiu powszechnie używanych językach.

Dla urządzeń mobilnych Tether dostarcza wersję GGUF, która działa przez silnik parakeet.cpp w qvac-fabric-speech.

Osobna wersja Core ML jest zoptymalizowana dla Apple Neural Engine, co pozwala kompatybilnym iPhone'om na przeprowadzanie transkrypcji przy użyciu dedykowanego sprzętu.

Modele zostały zaprojektowane do obsługi ciągłego audio, produkując tekst krótko po wykryciu mowy. Tether powiedział, że system może wspierać aplikacje sterowane głosowo, które odpowiadają bez wysyłania nagrań do zewnętrznych serwerów.

Według firmy, lokalne przetwarzanie mowy zmniejsza potrzebę przesyłania rozmów, które mogą zawierać informacje osobiste lub poufne.

Paolo Ardoino, dyrektor generalny Tether, powiedział, że firma chciała, aby użytkownicy zachowali kontrolę nad swoimi rozmowami, gdy urządzenia z obsługą głosu stają się coraz bardziej powszechne.

"Przyszłość AI nie powinna oznaczać oddawania scentralizowanym platformom pierwszego rzędu w naszym życiu osobistym," powiedział Ardoino.

Opisał TranscribePsy jako przykład technologii rozpoznawania mowy, która może działać całkowicie na osobistych urządzeniach bez polegania na scentralizowanej infrastrukturze.

TranscribePsy jest kontynuacją kilku wydania w ramach projektu QVAC Tether w 2026 roku.

W kwietniu Tether wprowadził QVAC SDK, otwartą platformę deweloperską do uruchamiania aplikacji AI na smartfonach i komputerach.

Jak wcześniej informowało crypto.news, zestaw narzędzi wspiera iOS, Android, Windows, macOS i Linux, z funkcjami obejmującymi generowanie tekstu, przetwarzanie mowy, rozpoznawanie obrazów i tłumaczenie.

Oprogramowanie wykorzystuje QVAC Fabric, dostosowaną wersję llama.cpp, obok technologii Holepunch do dystrybucji modeli peer-to-peer i przetwarzania delegowanego.

Przed wydaniem SDK, Tether zintegrował BitNet LoRA z QVAC Fabric w marcu, aby wspierać trening i uruchamianie dużych modeli AI na sprzęcie konsumenckim.

Wówczas firma powiedziała, że dostosowała modele zawierające do 3,8 miliarda parametrów na urządzeniach, w tym Pixel 9, Galaxy S25 i iPhone 16.

Jej testy obejmowały modele z maksymalnie 13 miliardami parametrów na iPhone 16, podczas gdy przetwarzanie GPU dostarczyło poprawy prędkości w zakresie od dwóch do 11 razy w porównaniu do bazowych CPU w ocenach firmy.

Badania Tether dotyczące zdecentralizowanego przetwarzania rozciągają się poza modele AI.

We wrześniu Ardoino ujawnił postępy w tworzeniu wyszukiwarki peer-to-peer zaprojektowanej do działania w rozproszonych węzłach.

Zespół przechował kompletny archiwum Wikipedii w 100 węzłach i zademonstrował funkcjonalność wyszukiwania bez polegania na scentralizowanej usłudze wyszukiwania.

Wyszukiwarka pozostaje w fazie rozwoju, a zespół pracuje nad architekturą mającą na celu wsparcie tysięcy połączonych węzłów.

Wcześniejsze prace AI Tether obejmowały zestaw danych QVAC Genesis I, wydany w październiku 2025 roku z 41 miliardami syntetycznych tokenów przeznaczonych do treningu modeli w matematyce, naukach i rozumowaniu technicznym.

Obok zestawu danych firma wprowadziła QVAC Workbench, aplikację konsumencką, która pozwala użytkownikom uruchamiać wspierane modele AI lokalnie.

TranscribePsy wydany z otwartymi wagami modelu

Najnowsze wydanie TranscribePsy jest dostępne na licencji Apache 2.0, a Tether wskazuje na badania i użycie edukacyjne jako część wydania.

Deweloperzy mogą uzyskać dostęp do wag modelu, mobilnych wersji GGUF, wersji Apple Silicon Core ML oraz konfiguracji oceny.

W ramach ekosystemu QVAC Psy, oprogramowanie do rozpoznawania mowy ma współpracować z innymi specjalistycznymi modelami, w tym VisionPsy, TranslatePsy-Nano i MedPsy.

Tether zidentyfikował analizę dokumentów, tłumaczenie, nawigację i prywatne notowanie jako możliwe zastosowania dla przyszłych integracji. Październikowe wydanie dostarcza komponent rozpoznawania mowy, podczas gdy te połączone aplikacje pozostają w sferze perspektyw.

Zespół badawczy, działający w ramach Tether Data, S.A. de C.V., powiedział, że jego kontynuowane prace obejmują kompaktowe modele do przetwarzania audio, tekstu, obrazów i wideo na urządzeniach konsumenckich.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.