Tether ha lanzado un modelo de reconocimiento de voz de 254 millones de parámetros que puede transcribir conversaciones directamente en teléfonos inteligentes, gafas inteligentes y robots humanoides sin enviar audio a servidores en la nube.
Resumen
- Tether ha lanzado TranscribePsy, un modelo de IA de 254 millones de parámetros que procesa el habla localmente en teléfonos inteligentes, gafas inteligentes y robots humanoides sin acceso a la nube.
- El modelo transcribió 10 minutos de audio en 1,65 segundos en un iPhone 17 Pro Max y funcionó más rápido que varios sistemas de reconocimiento de voz competidores en las pruebas de Tether.
- TranscribePsy admite 25 idiomas europeos en computadoras portátiles y ocho en teléfonos, con versiones dedicadas optimizadas para el Neural Engine de Apple.
- El lanzamiento de código abierto es parte del proyecto QVAC AI de Tether, que se centra en ejecutar aplicaciones de IA directamente en dispositivos de consumo mientras mantiene privados los datos del usuario.
Según un anuncio del 14 de octubre de Tether AI Research, el modelo de código abierto, llamado QVAC TranscribePsy, admite reconocimiento de voz multilingüe y está diseñado para funcionar en dispositivos con potencia de cómputo limitada.
La compañía dijo que el modelo puede transcribir 10 minutos de audio en 1,65 segundos en un iPhone 17 Pro Max utilizando el framework Core ML de Apple.
TranscribePsy es parte del proyecto QVAC AI de Tether, que se centra en ejecutar aplicaciones de inteligencia artificial localmente. Su lanzamiento da a los desarrolladores acceso a software de reconocimiento de voz que puede funcionar sin conexión a internet.
Para las gafas inteligentes, el modelo puede procesar audio recibido por Bluetooth o Wi-Fi con un retraso mínimo. Los robots humanoides pueden ejecutar el software en sus procesadores integrados, dejando capacidad de cómputo disponible para funciones como navegación, reconocimiento visual y movimiento físico.
Tether dijo que el procesamiento local podría ser útil en consultas médicas, entrevistas legales, sesiones de terapia y periodismo, donde las grabaciones pueden contener información confidencial.
El modelo TranscribePsy de Tether registra sólidos resultados de referencia
En las evaluaciones de rendimiento publicadas por la compañía, TranscribePsy registró una tasa de error de palabras del 8,02% en el Open ASR Leaderboard y del 6,58% en Multilingual LibriSpeech.
Su tasa de error de palabras en Common Voice fue del 21,56%, y Tether afirma que el modelo superó a otros sistemas en la misma categoría de parámetros.
El modelo de 254 millones de parámetros se comparó con alternativas más grandes, incluidas Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 y Whisper-Medium.
A pesar de tener menos parámetros, TranscribePsy obtuvo un mejor rendimiento en el benchmark Multilingual LibriSpeech que varios modelos de tres a cuatro veces su tamaño, según los hallazgos del equipo de investigación.
Las pruebas realizadas en seis teléfonos inteligentes mostraron que el modelo fue 2,6 veces más rápido que el siguiente sistema más rápido y 5,7 veces más rápido que Whisper-small cuando se ejecuta en CPU de teléfonos.
Su versión optimizada para iPhone requirió menos de la mitad del espacio en disco y 1,7 veces menos memoria que un modelo Core ML competidor incluido en la evaluación.
La precisión del reconocimiento de voz se midió utilizando la tasa de error de palabras, que compara las palabras generadas por un sistema de transcripción con el contenido hablado original. Las puntuaciones más bajas indican menos errores de transcripción.
Tether publicó las configuraciones de evaluación junto con el modelo para permitir a los investigadores reproducir los resultados reportados.
El software de reconocimiento de voz admite 25 idiomas europeos
TranscribePsy se ha lanzado en cuatro versiones diseñadas para diferentes requisitos de hardware e idioma.
Un modelo para computadora portátil admite 25 idiomas europeos, mientras que una configuración de idioma más pequeña se centra en ocho idiomas de uso común.
Para dispositivos móviles, Tether proporciona una versión GGUF que opera a través del motor parakeet.cpp en qvac-fabric-speech.
Una versión separada de Core ML está optimizada para el Neural Engine de Apple, lo que permite a los iPhones compatibles realizar transcripciones utilizando hardware dedicado.
Los modelos están diseñados para manejar audio continuo, produciendo texto poco después de que se detecte el habla. Tether dijo que el sistema podría admitir aplicaciones controladas por voz que respondan sin enviar grabaciones a servidores externos.
Según la compañía, el procesamiento local del habla reduce la necesidad de transmitir conversaciones que pueden contener información personal o confidencial.
Paolo Ardoino, CEO de Tether, dijo que la compañía quería que los usuarios mantuvieran el control sobre sus conversaciones a medida que los dispositivos habilitados para voz se vuelven más comunes.
“El futuro de la IA no debería significar dar a las plataformas centralizadas un asiento en primera fila de nuestras vidas personales”, dijo Ardoino.
Describió TranscribePsy como un ejemplo de tecnología de reconocimiento de voz que puede operar completamente en dispositivos personales sin depender de infraestructura centralizada.
Tether amplía sus herramientas de desarrollo de IA QVAC
TranscribePsy sigue a varios lanzamientos bajo el proyecto QVAC de Tether durante 2026.
En abril, Tether presentó el SDK QVAC, un conjunto de herramientas de desarrollo de código abierto para ejecutar aplicaciones de IA en teléfonos inteligentes y computadoras.
Como informó crypto.news anteriormente, el conjunto de herramientas es compatible con iOS, Android, Windows, macOS y Linux, con funciones que abarcan generación de texto, procesamiento de voz, reconocimiento de imágenes y traducción.
El software utiliza QVAC Fabric, una versión personalizada de llama.cpp, junto con la tecnología Holepunch para la distribución de modelos entre pares y el procesamiento delegado.
Antes del lanzamiento del SDK, Tether había integrado BitNet LoRA en QVAC Fabric en marzo para admitir el entrenamiento y la ejecución de modelos de IA grandes en hardware de consumo.
En ese momento, la compañía dijo que había ajustado modelos que contenían hasta 3.800 millones de parámetros en dispositivos como el Pixel 9, Galaxy S25 y iPhone 16.
Sus pruebas cubrieron modelos con hasta 13.000 millones de parámetros en el iPhone 16, mientras que el procesamiento por GPU entregó mejoras de velocidad que van de dos a 11 veces en comparación con las líneas base de CPU en las evaluaciones de la compañía.
La investigación de Tether sobre computación descentralizada se ha extendido más allá de los modelos de IA.
En septiembre, Ardoin reveló avances en un motor de búsqueda entre pares diseñado para operar a través de nodos distribuidos.
El equipo había almacenado el archivo completo de Wikipedia en 100 nodos y demostró la funcionalidad de búsqueda sin depender de un servicio de búsqueda centralizado.
El motor de búsqueda sigue en desarrollo, con el equipo trabajando en una arquitectura destinada a admitir miles de nodos interconectados.
El trabajo anterior de Tether en IA incluyó el conjunto de datos QVAC Genesis I, lanzado en octubre de 2025 con 41.000 millones de tokens sintéticos destinados al entrenamiento de modelos en matemáticas, ciencias y razonamiento técnico.
Junto con el conjunto de datos, la compañía presentó QVAC Workbench, una aplicación de consumo que permite a los usuarios ejecutar modelos de IA compatibles localmente.
TranscribePsy se lanza con pesos de modelo abiertos
El último lanzamiento de TranscribePsy está disponible bajo la licencia Apache 2.0, con Tether identificando el uso de investigación y educativo como parte del lanzamiento.
Los desarrolladores pueden acceder a los pesos del modelo, compilaciones móviles GGUF, versiones de Apple Silicon Core ML y configuraciones de evaluación.
Dentro del ecosistema QVAC Psy, el software de reconocimiento de voz está destinado a funcionar con otros modelos especializados, incluidos VisionPsy, TranslatePsy-Nano y MedPsy.
Tether identificó el análisis de documentos, la traducción, la navegación y la toma de notas privadas como posibles aplicaciones para futuras integraciones. El lanzamiento de octubre proporciona el componente de reconocimiento de voz, mientras que esas aplicaciones combinadas siguen siendo prospectivas.
El equipo de investigación, que opera bajo Tether Data, S.A. de C.V., dijo que su trabajo continuo abarca modelos compactos para procesar audio, texto, imágenes y video en dispositivos de consumo.
