Tether выпустила модель распознавания речи с 254 миллионами параметров, которая может транскрибировать разговоры непосредственно на смартфонах, умных очках и гуманоидных роботах без отправки аудио на облачные серверы.
Краткое содержание
- Tether выпустила TranscribePsy — ИИ-модель с 254 миллионами параметров, которая обрабатывает речь локально на смартфонах, умных очках и гуманоидных роботах без доступа к облаку.
- Модель транскрибировала 10 минут аудио за 1,65 секунды на iPhone 17 Pro Max и показала более высокую скорость, чем несколько конкурирующих систем распознавания речи в тестах Tether.
- TranscribePsy поддерживает 25 европейских языков на ноутбуках и восемь на телефонах, с отдельными версиями, оптимизированными для Neural Engine от Apple.
- Открытый исходный код выпущен в рамках проекта QVAC AI от Tether, который фокусируется на запуске ИИ-приложений непосредственно на потребительских устройствах с сохранением конфиденциальности пользовательских данных.
Согласно объявлению от 14 октября от Tether AI Research, модель с открытым исходным кодом под названием QVAC TranscribePsy поддерживает многоязычное распознавание речи и предназначена для работы на устройствах с ограниченной вычислительной мощностью.
Компания заявила, что модель может транскрибировать 10 минут аудио за 1,65 секунды на iPhone 17 Pro Max с использованием фреймворка Core ML от Apple.
TranscribePsy является частью проекта QVAC AI от Tether, который фокусируется на локальном запуске приложений искусственного интеллекта. Его выпуск предоставляет разработчикам доступ к программному обеспечению распознавания речи, которое может работать без подключения к интернету.
Для умных очков модель может обрабатывать аудио, полученное через Bluetooth или Wi-Fi, с минимальной задержкой. Гуманоидные роботы могут запускать программное обеспечение на своих бортовых процессорах, оставляя вычислительные мощности доступными для таких функций, как навигация, визуальное распознавание и физическое движение.
Tether заявила, что локальная обработка может быть полезна в медицинских консультациях, юридических интервью, терапевтических сессиях и журналистике, где записи могут содержать конфиденциальную информацию.
Модель TranscribePsy от Tether показывает сильные результаты в бенчмарках
В оценках производительности, опубликованных компанией, TranscribePsy показала 8,02% частоты ошибок в словах на Open ASR Leaderboard и 6,58% на Multilingual LibriSpeech.
Её частота ошибок в словах на Common Voice составила 21,56%, при этом Tether утверждает, что модель превзошла другие системы в той же категории параметров.
Модель с 254 миллионами параметров сравнивалась с более крупными альтернативами, включая Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 и Whisper-Medium.
Несмотря на меньшее количество параметров, TranscribePsy показала лучшие результаты на бенчмарке Multilingual LibriSpeech, чем несколько моделей в три-четыре раза больше её, согласно выводам исследовательской группы.
Тесты, проведённые на шести смартфонах, показали, что модель была в 2,6 раза быстрее следующей по скорости системы и в 5,7 раза быстрее Whisper-small при работе на процессорах телефонов.
Её версия, оптимизированная для iPhone, требовала менее половины дискового пространства и в 1,7 раза меньше памяти, чем конкурирующая модель Core ML, включённая в оценку.
Точность распознавания речи измерялась с использованием частоты ошибок в словах, которая сравнивает слова, сгенерированные системой транскрипции, с исходным произнесённым содержанием. Более низкие показатели указывают на меньшее количество ошибок транскрипции.
Tether опубликовала конфигурации оценки вместе с моделью, чтобы позволить исследователям воспроизвести заявленные результаты.
Программное обеспечение распознавания речи поддерживает 25 европейских языков
TranscribePsy выпущена в четырёх версиях, предназначенных для различного оборудования и языковых требований.
Одна модель для ноутбуков поддерживает 25 европейских языков, в то время как меньшая языковая конфигурация фокусируется на восьми часто используемых языках.
Для мобильных устройств Tether предоставляет версию GGUF, которая работает через движок parakeet.cpp в qvac-fabric-speech.
Отдельная версия Core ML оптимизирована для Neural Engine от Apple, позволяя совместимым iPhone выполнять транскрипцию с использованием специализированного оборудования.
Модели разработаны для обработки непрерывного аудио, создавая текст вскоре после обнаружения речи. Tether заявила, что система может поддерживать приложения с голосовым управлением, которые отвечают без отправки записей на внешние серверы.
По словам компании, локальная обработка речи снижает необходимость передачи разговоров, которые могут содержать личную или конфиденциальную информацию.
Паоло Ардоино, генеральный директор Tether, сказал, что компания хочет, чтобы пользователи сохраняли контроль над своими разговорами по мере того, как устройства с поддержкой голоса становятся все более распространенными.
«Будущее ИИ не должно означать предоставление централизованным платформам места в первом ряду для наблюдения за нашей личной жизнью», — сказал Ардоино.
Он описал TranscribePsy как пример технологии распознавания речи, которая может работать полностью на персональных устройствах, не завися от централизованной инфраструктуры.
Tether расширяет свои инструменты разработки ИИ QVAC
TranscribePsy следует за несколькими релизами в рамках проекта QVAC от Tether в течение 2026 года.
В апреле Tether представила QVAC SDK — открытый набор инструментов для разработки, предназначенный для запуска приложений ИИ на смартфонах и компьютерах.
Как ранее сообщал crypto.news, набор инструментов поддерживает iOS, Android, Windows, macOS и Linux, а его функции охватывают генерацию текста, обработку речи, распознавание изображений и перевод.
Программное обеспечение использует QVAC Fabric — кастомизированную версию llama.cpp — вместе с технологией Holepunch для однорангового распространения моделей и делегированной обработки.
До выпуска SDK Tether в марте интегрировала BitNet LoRA в QVAC Fabric для поддержки обучения и запуска больших моделей ИИ на потребительском оборудовании.
В то время компания заявила, что дообучила модели, содержащие до 3,8 миллиарда параметров, на устройствах, включая Pixel 9, Galaxy S25 и iPhone 16.
Ее тесты охватывали модели с числом параметров до 13 миллиардов на iPhone 16, а обработка на GPU обеспечила улучшение скорости от двух до одиннадцати раз по сравнению с базовыми показателями CPU в оценках компании.
Исследования Tether в области децентрализованных вычислений вышли за пределы моделей ИИ.
В сентябре Ардоино раскрыл прогресс в разработке одноранговой поисковой системы, предназначенной для работы через распределенные узлы.
Команда сохранила полный архив Википедии на 100 узлах и продемонстрировала функциональность поиска без опоры на централизованный поисковый сервис.
Поисковая система все еще находится в разработке, и команда работает над архитектурой, предназначенной для поддержки тысяч взаимосвязанных узлов.
Более ранняя работа Tether в области ИИ включала набор данных QVAC Genesis I, выпущенный в октябре 2025 года и содержащий 41 миллиард синтетических токенов, предназначенных для обучения моделей в области математики, науки и технических рассуждений.
Вместе с набором данных компания представила QVAC Workbench — потребительское приложение, позволяющее пользователям запускать поддерживаемые модели ИИ локально.
TranscribePsy выпущена с открытыми весами модели
Последний релиз TranscribePsy доступен по лицензии Apache 2.0, при этом Tether указывает исследовательское и образовательное использование как часть релиза.
Разработчики могут получить доступ к весам модели, мобильным сборкам GGUF, версиям Apple Silicon Core ML и конфигурациям оценки.
В рамках экосистемы QVAC Psy программное обеспечение для распознавания речи предназначено для работы с другими специализированными моделями, включая VisionPsy, TranslatePsy-Nano и MedPsy.
Tether определила анализ документов, перевод, навигацию и создание приватных заметок как возможные применения для будущих интеграций. Октябрьский релиз предоставляет компонент распознавания речи, тогда как эти комбинированные приложения остаются перспективными.
Исследовательская команда, работающая под эгидой Tether Data, S.A. de C.V., заявила, что её продолжающаяся работа охватывает компактные модели для обработки аудио, текста, изображений и видео на потребительских устройствах.
