Tether запускает офлайн модель распознавания речи ИИ для смарт-очков и роботов

Tether выпустила модель распознавания речи с 254 миллионами параметров, которая может транскрибировать разговоры непосредственно на смартфонах, смарт-очках и гуманоидных роботах без отправки аудио на облачные серверы.

Резюме

• Tether выпустила TranscribePsy, модель ИИ с 254 миллионами параметров, которая обрабатывает речь локально на смартфонах, смарт-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 нейронного процессора Apple.
• Открытый исходный код является частью проекта QVAC AI от Tether, который сосредоточен на запуске ИИ-приложений непосредственно на потребительских устройствах, сохраняя при этом конфиденциальность данных пользователей.

Согласно объявлению от Tether AI Research 14 октября, открытая модель, названная 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 сосредоточен на запуске приложений искусственного интеллекта локально. Его выпуск предоставляет разработчикам доступ к программному обеспечению для распознавания речи, которое может работать без подключения к интернету.

Для смарт-очков модель может обрабатывать аудио, полученное по Bluetooth или Wi-Fi, с минимальной задержкой. Гуманоидные роботы могут запускать программное обеспечение на своих встроенных 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 демонстрирует сильные результаты в бенчмарках

В оценках производительности, опубликованных компанией, TranscribePsy зафиксировала 8,02% уровень ошибок слов на Open ASR Leaderboard и 6,58% на Multilingual LibriSpeech.

Её уровень ошибок слов на Common Voice составил 21,56%, при этом Tether утверждает, что модель превзошла другие системы в той же категории параметров.

Модель с 254 миллионами параметров была сравнена 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 размера, согласно выводам исследовательской группы.

Тесты, проведенные на шести смартфонах, показали, что модель была в 2,6 раза быстрее, чем следующая по скорости система, и в 5,7 раза быстрее, чем Whisper-small при работе на процессорах телефонов.

Её оптимизированная версия для iPhone требовала менее половины дискового пространства и в 1,7 раза меньше памяти, чем конкурирующая модель Core ML, включенная в оценку.

Точность распознавания речи измерялась с использованием уровня ошибок слов, который сравнивает слова, сгенерированные системой транскрипции, с оригинальным 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 для распознавания речи поддерживает 25 европейских языков

TranscribePsy была выпущена в четырех версиях, разработанных для различных аппаратных и языковых требований.

Одна версия для ноутбуков поддерживает 25 европейских языков, в то время как меньшая языковая конфигурация сосредоточена 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 нейронного процессора Apple, позволяя совместимым iPhone выполнять транскрипцию с использованием специализированного оборудования.

Модели предназначены для обработки непрерывного аудио, производя текст вскоре после обнаружения речи. Tether заявила, что система может поддерживать голосовые приложения, которые реагируют без отправки записей на внешние серверы.

Согласно компании, локальная обработка речи снижает необходимость передавать разговоры, которые могут содержать личную или конфиденциальную информацию.

Павло Ардоино, генеральный директор Tether, сказал, что компания хочет, чтобы пользователи сохраняли контроль над своими разговорами по мере того, как устройства с голосовым управлением становятся все более распространенными.

"Будущее ИИ не должно означать, что централизованные платформы получают возможность следить за нашей личной жизнью", - сказал Ардоино.

Он описал TranscribePsy как пример технологии распознавания речи, которая может работать полностью на личных устройствах без зависимости от централизованной инфраструктуры.

TranscribePsy следует за несколькими выпусками в рамках проекта QVAC от Tether в 2026 году.

В апреле Tether представила QVAC SDK, набор инструментов с открытым исходным кодом для запуска ИИ-приложений на смартфонах и компьютерах.

Как ранее сообщалось crypto.news, этот набор инструментов поддерживает iOS, Android, Windows, macOS и Linux, с функциями, охватывающими генерацию текста, обработку речи, распознавание изображений и перевод.

Программное обеспечение использует QVAC Fabric, кастомизированную версию llama.cpp, наряду с технологией Holepunch для распределения моделей и делегированной обработки.

Перед выпуском SDK Tether интегрировала BitNet LoRA в QVAC Fabric в марте, чтобы поддержать обучение и запуск крупных ИИ-моделей на потребительском оборудовании.

В то время компания заявила, что она настроила модели, содержащие до 3,8 миллиарда параметров, на устройствах, включая Pixel 9, Galaxy S25 и iPhone 16.

Ее тесты охватывали модели с до 13 миллиардами параметров на iPhone 16, в то время как обработка на GPU обеспечивала увеличение скорости от двух до 11 раз по сравнению с базовыми показателями CPU в оценках компании.

Исследования Tether в области децентрализованных вычислений вышли за рамки ИИ-моделей.

В сентябре Ардоино сообщил о прогрессе в разработке поисковой системы peer-to-peer, предназначенной для работы через распределенные узлы.

Команда сохранила полный архив Википедии на 100 узлах и продемонстрировала функциональность поиска без зависимости от централизованного поискового сервиса.

Поисковая система все еще находится в разработке, команда работает над архитектурой, предназначенной для поддержки тысяч взаимосвязанных узлов.

Ранее работа Tether в области ИИ включала набор данных QVAC Genesis I, выпущенный в октябре 2025 года с 41 миллиардом синтетических токенов, предназначенных для обучения моделей в математике, науке и техническом мышлении.

Вместе с набором данных компания представила QVAC Workbench, потребительское приложение, которое позволяет пользователям запускать поддерживаемые ИИ-модели локально.

TranscribePsy выпущен с открытыми весами модели

Последний выпуск TranscribePsy доступен под лицензией Apache 2.0, при этом Tether определяет исследовательское и образовательное использование как часть выпуска.

Разработчики могут получить доступ к весам модели, мобильным сборкам GGUF, версиям Apple Silicon Core ML и конфигурациям оценки.

В экосистеме 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 частные заметки как возможные приложения для будущих интеграций. Октябрьский выпуск предоставляет компонент распознавания речи, в то время как эти комбинированные приложения остаются перспективными.

Исследовательская команда, работающая под Tether Data, S.A. de C.V., заявила, что ее продолжающаяся работа охватывает компактные модели для обработки аудио, текста, изображений и видео на потребительских устройствах.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.