Tether a publié un modèle de reconnaissance vocale de 254 millions de paramètres capable de transcrire des conversations directement sur les smartphones, les lunettes connectées et les robots humanoïdes, sans envoyer l’audio vers des serveurs cloud.
Résumé
- Tether a publié TranscribePsy, un modèle d’IA de 254 millions de paramètres qui traite la parole localement sur les smartphones, les lunettes connectées et les robots humanoïdes, sans accès au cloud.
- Le modèle a transcrit 10 minutes d’audio en 1,65 seconde sur un iPhone 17 Pro Max et s’est montré plus rapide que plusieurs systèmes concurrents de reconnaissance vocale dans les tests de Tether.
- TranscribePsy prend en charge 25 langues européennes sur ordinateurs portables et huit sur téléphones, avec des versions dédiées optimisées pour le Neural Engine d’Apple.
- Cette publication open source fait partie du projet QVAC AI de Tether, qui vise à exécuter des applications d’IA directement sur les appareils grand public tout en préservant la confidentialité des données des utilisateurs.
Selon une annonce du 14 octobre de Tether AI Research, le modèle open source, appelé QVAC TranscribePsy, prend en charge la reconnaissance vocale multilingue et est conçu pour fonctionner sur des appareils à puissance de calcul limitée.
L’entreprise a déclaré que le modèle peut transcrire 10 minutes d’audio en 1,65 seconde sur un iPhone 17 Pro Max en utilisant le framework Core ML d’Apple.
TranscribePsy fait partie du projet QVAC AI de Tether, qui se concentre sur l’exécution locale d’applications d’intelligence artificielle. Sa publication donne aux développeurs accès à un logiciel de reconnaissance vocale pouvant fonctionner sans connexion Internet.
Pour les lunettes connectées, le modèle peut traiter l’audio reçu via Bluetooth ou Wi-Fi avec un délai minimal. Les robots humanoïdes peuvent exécuter le logiciel sur leurs processeurs embarqués, laissant de la capacité de calcul disponible pour des fonctions telles que la navigation, la reconnaissance visuelle et le mouvement physique.
Tether a indiqué que le traitement local pourrait être utile dans les consultations médicales, les entretiens juridiques, les séances de thérapie et le journalisme, où les enregistrements peuvent contenir des informations confidentielles.
Le modèle TranscribePsy de Tether enregistre de solides résultats de référence
Dans les évaluations de performance publiées par l’entreprise, TranscribePsy a enregistré un taux d’erreur de mots de 8,02 % sur le Open ASR Leaderboard et de 6,58 % sur Multilingual LibriSpeech.
Son taux d’erreur de mots sur Common Voice était de 21,56 %, Tether affirmant que le modèle a surpassé d’autres systèmes dans la même catégorie de paramètres.
Le modèle de 254 millions de paramètres a été comparé à des alternatives plus grandes, notamment Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 et Whisper-Medium.
Malgré un nombre de paramètres inférieur, TranscribePsy a obtenu de meilleurs résultats sur le benchmark Multilingual LibriSpeech que plusieurs modèles trois à quatre fois plus grands, selon les conclusions de l’équipe de recherche.
Des tests menés sur six smartphones ont montré que le modèle était 2,6 fois plus rapide que le système le plus rapide suivant et 5,7 fois plus rapide que Whisper-small lorsqu’il s’exécute sur les CPU des téléphones.
Sa version optimisée pour iPhone nécessitait moins de la moitié de l’espace disque et 1,7 fois moins de mémoire qu’un modèle Core ML concurrent inclus dans l’évaluation.
La précision de la reconnaissance vocale a été mesurée à l’aide du taux d’erreur de mots, qui compare les mots générés par un système de transcription au contenu parlé original. Des scores plus faibles indiquent moins d’erreurs de transcription.
Tether a publié les configurations d’évaluation avec le modèle afin de permettre aux chercheurs de reproduire les résultats rapportés.
Le logiciel de reconnaissance vocale prend en charge 25 langues européennes
TranscribePsy a été publié en quatre versions conçues pour différents besoins matériels et linguistiques.
Un modèle pour ordinateur portable prend en charge 25 langues européennes, tandis qu’une configuration linguistique plus petite se concentre sur huit langues couramment utilisées.
Pour les appareils mobiles, Tether fournit une version GGUF qui fonctionne via le moteur parakeet.cpp dans qvac-fabric-speech.
Une version Core ML distincte est optimisée pour le Neural Engine d’Apple, permettant aux iPhone compatibles d’effectuer la transcription à l’aide d’un matériel dédié.
Les modèles sont conçus pour traiter de l'audio en continu, produisant du texte peu après la détection de la parole. Tether a déclaré que le système pourrait prendre en charge des applications contrôlées par la voix qui répondent sans envoyer d'enregistrements à des serveurs externes.
Selon l'entreprise, le traitement vocal local réduit le besoin de transmettre des conversations pouvant contenir des informations personnelles ou confidentielles.
Paolo Ardoino, PDG de Tether, a déclaré que l'entreprise souhaitait que les utilisateurs conservent le contrôle de leurs conversations à mesure que les appareils activés par la voix deviennent plus courants.
« L'avenir de l'IA ne devrait pas signifier donner aux plateformes centralisées un siège au premier rang de nos vies personnelles », a déclaré Ardoino.
Il a décrit TranscribePsy comme un exemple de technologie de reconnaissance vocale pouvant fonctionner entièrement sur des appareils personnels sans dépendre d'une infrastructure centralisée.
Tether élargit ses outils de développement IA QVAC
TranscribePsy fait suite à plusieurs publications dans le cadre du projet QVAC de Tether en 2026.
En avril, Tether a introduit le SDK QVAC, une boîte à outils de développement open source pour exécuter des applications d'IA sur les smartphones et les ordinateurs.
Comme crypto.news l'a précédemment rapporté, la boîte à outils prend en charge iOS, Android, Windows, macOS et Linux, avec des fonctions couvrant la génération de texte, le traitement vocal, la reconnaissance d'images et la traduction.
Le logiciel utilise QVAC Fabric, une version personnalisée de llama.cpp, aux côtés de la technologie Holepunch pour la distribution de modèles en pair à pair et le traitement délégué.
Avant la sortie du SDK, Tether avait intégré BitNet LoRA dans QVAC Fabric en mars pour prendre en charge l'entraînement et l'exécution de grands modèles d'IA sur du matériel grand public.
À l'époque, l'entreprise a déclaré avoir affiné des modèles contenant jusqu'à 3,8 milliards de paramètres sur des appareils, notamment le Pixel 9, le Galaxy S25 et l'iPhone 16.
Ses tests ont couvert des modèles allant jusqu'à 13 milliards de paramètres sur l'iPhone 16, tandis que le traitement GPU a offert des améliorations de vitesse allant de deux à 11 fois par rapport aux références CPU dans les évaluations de l'entreprise.
La recherche de Tether sur l'informatique décentralisée s'est étendue au-delà des modèles d'IA.
En septembre, Ardoin a divulgué les progrès d'un moteur de recherche pair à pair conçu pour fonctionner sur des nœuds distribués.
L'équipe avait stocké l'archive complète de Wikipédia sur 100 nœuds et démontré la fonctionnalité de recherche sans dépendre d'un service de recherche centralisé.
Le moteur de recherche reste en développement, l'équipe travaillant sur une architecture destinée à prendre en charge des milliers de nœuds interconnectés.
Les travaux antérieurs de Tether en matière d'IA comprenaient le jeu de données QVAC Genesis I, publié en octobre 2025 avec 41 milliards de jetons synthétiques destinés à l'entraînement de modèles en mathématiques, en sciences et en raisonnement technique.
Parallèlement au jeu de données, l'entreprise a introduit QVAC Workbench, une application grand public qui permet aux utilisateurs d'exécuter localement les modèles d'IA pris en charge.
TranscribePsy publié avec des poids de modèle ouverts
La dernière version de TranscribePsy est disponible sous licence Apache 2.0, Tether identifiant l'usage de recherche et d'éducation comme faisant partie de la publication.
Les développeurs peuvent accéder aux poids du modèle, aux versions mobiles GGUF, aux versions Apple Silicon Core ML et aux configurations d'évaluation.
Au sein de l'écosystème QVAC Psy, le logiciel de reconnaissance vocale est destiné à fonctionner avec d'autres modèles spécialisés, notamment VisionPsy, TranslatePsy-Nano et MedPsy.
Tether a identifié l'analyse de documents, la traduction, la navigation et la prise de notes privée comme applications possibles pour de futures intégrations. La version d'octobre fournit le composant de reconnaissance vocale, tandis que ces applications combinées restent prospectives.
L'équipe de recherche, opérant sous Tether Data, S.A. de C.V., a déclaré que ses travaux en cours portent sur des modèles compacts pour le traitement de l'audio, du texte, des images et de la vidéo sur les appareils grand public.
