Tether 發布了一個擁有 2.54 億參數的語音辨識模型，可以直接在智慧型手機、智慧眼鏡和人形機器人上轉錄對話，而無需將音訊傳送到雲端伺服器。
摘要
- Tether 發布了 TranscribePsy，一個擁有 2.54 億參數的 AI 模型，可在智慧型手機、智慧眼鏡和人形機器人上本地處理語音，無需雲端存取。
- 該模型在 iPhone 17 Pro Max 上於 1.65 秒內轉錄了 10 分鐘的音訊，並在 Tether 的測試中表現優於多個競爭對手的語音辨識系統。
- TranscribePsy 在筆記型電腦上支援 25 種歐洲語言，在手機上支援 8 種，並有針對 Apple 神經引擎優化的專用版本。
- 此開源發布是 Tether 的 QVAC AI 專案的一部分，該專案專注於直接在消費性裝置上運行 AI 應用程式，同時保持使用者資料隱私。
根據 Tether AI Research 於 10 月 14 日發布的公告，這個名為 QVAC TranscribePsy 的開源模型支援多語言語音辨識，並設計用於運算能力有限的裝置上。
該公司表示，該模型使用 Apple 的 Core ML 框架，可以在 iPhone 17 Pro Max 上於 1.65 秒內轉錄 10 分鐘的音訊。
TranscribePsy 是 Tether 的 QVAC AI 專案的一部分，該專案專注於在本地運行人工智慧應用程式。其發布讓開發者能夠使用無需網路連線即可運作的語音辨識軟體。
對於智慧眼鏡，該模型可以以最小延遲處理透過藍牙或 Wi-Fi 接收的音訊。人形機器人可以在其機載處理器上運行該軟體，從而將運算能力保留給導航、視覺辨識和物理運動等功能。
Tether 表示，本地處理在醫療諮詢、法律訪談、治療會議和新聞採訪中可能很有用，因為這些錄音可能包含機密資訊。
Tether 的 TranscribePsy 模型創下強勁的基準測試結果
在該公司發布的效能評估中，TranscribePsy 在 Open ASR Leaderboard 上記錄了 8.02% 的詞錯誤率，在 Multilingual LibriSpeech 上為 6.58%。
其在 Common Voice 上的詞錯誤率為 21.56%，Tether 聲稱該模型在同一參數類別中優於其他系統。
這個 2.54 億參數的模型與更大的替代方案進行了比較，包括 Qwen3-ASR-0.6B、omniASR-CTC-1B-v2、OWSM-CTC-v4 和 Whisper-Medium。
根據研究團隊的發現，儘管參數較少，TranscribePsy 在 Multilingual LibriSpeech 基準測試上的表現優於幾個規模是其三到四倍的模型。
在六款智慧型手機上進行的測試顯示，該模型在手機 CPU 上運行時，比第二快的系統快 2.6 倍，比 Whisper-small 快 5.7 倍。
其 iPhone 優化版本所需的磁碟空間不到一半，記憶體也比評估中包含的競爭 Core ML 模型少 1.7 倍。
語音辨識準確度使用詞錯誤率來衡量，該指標將轉錄系統生成的詞語與原始口語內容進行比較。分數越低表示轉錄錯誤越少。
Tether 隨模型發布了評估配置，以便研究人員重現報告的結果。
語音辨識軟體支援 25 種歐洲語言
TranscribePsy 已發布四個版本，專為不同的硬體和語言需求而設計。
其中一個筆記型電腦模型支援 25 種歐洲語言，而一個較小的語言配置則專注於八種常用語言。
對於行動裝置，Tether 提供了一個 GGUF 版本，透過 qvac-fabric-speech 中的 parakeet.cpp 引擎運行。
一個單獨的 Core ML 版本針對 Apple 的神經引擎進行了優化，讓相容的 iPhone 能夠使用專用硬體進行轉錄。
這些模型旨在處理連續音訊，在偵測到語音後不久即產生文字。Tether 表示，該系統可支援語音控制應用程式，無需將錄音傳送至外部伺服器即可回應。
根據該公司說法，本機語音處理減少了傳輸可能包含個人或機密資訊之對話的需求。
Tether 執行長 Paolo Ardoino 表示，隨著語音功能裝置日益普及，該公司希望使用者能保有對其對話的控制權。
「AI 的未來不應意味著讓中心化平台在我們的個人生活中占據前排座位，」Ardoino 說道。
他將 TranscribePsy 描述為語音辨識技術的一個範例，該技術可完全在個人裝置上運作，無需依賴中心化基礎設施。
Tether 擴展其 QVAC AI 開發工具
TranscribePsy 是 Tether 的 QVAC 專案在 2026 年期間發布的數個成果之一。
4 月，Tether 推出了 QVAC SDK，這是一套開源開發工具包，用於在智慧型手機和電腦上執行 AI 應用程式。
正如 crypto.news 先前報導，該工具包支援 iOS、Android、Windows、macOS 和 Linux，功能涵蓋文字生成、語音處理、影像辨識和翻譯。
該軟體使用 QVAC Fabric，這是 llama.cpp 的客製化版本，並搭配 Holepunch 技術進行點對點模型分發和委派處理。
在 SDK 發布之前，Tether 已於 3 月將 BitNet LoRA 整合至 QVAC Fabric，以支援在消費級硬體上訓練和執行大型 AI 模型。
當時，該公司表示已在 Pixel 9、Galaxy S25 和 iPhone 16 等裝置上微調了包含多達 38 億個參數的模型。
其測試涵蓋了 iPhone 16 上多達 130 億個參數的模型，而在該公司的評估中，GPU 處理相較於 CPU 基準帶來了 2 到 11 倍的速度提升。
Tether 對去中心化運算的研究已超越 AI 模型。
9 月，Ardoin 披露了一款點對點搜尋引擎的進展，該引擎旨在分散式節點上運作。
該團隊已將完整的維基百科檔案儲存在 100 個節點上，並展示了不依賴中心化搜尋服務的搜尋功能。
該搜尋引擎仍在開發中，團隊正在研究一種旨在支援數千個互連節點的架構。
Tether 較早的 AI 工作包括 QVAC Genesis I 資料集，於 2025 年 10 月發布，包含 410 億個合成 token，旨在用於訓練數學、科學和技術推理方面的模型。
除了該資料集之外，該公司還推出了 QVAC Workbench，這是一款消費者應用程式，允許使用者在本地執行支援的 AI 模型。
TranscribePsy 以開放模型權重發布
最新的 TranscribePsy 版本以 Apache 2.0 授權條款提供，Tether 將研究和教育用途列為此次發布的一部分。
開發人員可以存取模型權重、行動裝置 GGUF 版本、Apple Silicon Core ML 版本和評估配置。
在 QVAC Psy 生態系統中，該語音辨識軟體旨在與其他專門模型協同運作，包括 VisionPsy、TranslatePsy-Nano 和 MedPsy。
Tether 將文件分析、翻譯、導航和私人筆記列為未來整合的可能應用。10 月的版本提供了語音辨識元件，而那些組合應用仍屬預期性質。
該研究團隊隸屬於 Tether Data, S.A. de C.V.，表示其持續進行的工作涵蓋用於在消費性裝置上處理音訊、文字、圖像與影片的精簡模型。
