Tether 发布了一款拥有 2.54 亿参数的语音识别模型，可以直接在智能手机、智能眼镜和人形机器人上转录对话，而无需将音频发送到云服务器。
摘要
- Tether 发布了 TranscribePsy，这是一个拥有 2.54 亿参数的 AI 模型，可在智能手机、智能眼镜和人形机器人上本地处理语音，无需访问云端。
- 该模型在 iPhone 17 Pro Max 上仅用 1.65 秒就转录了 10 分钟的音频，在 Tether 的测试中比几个竞争性语音识别系统表现更快。
- TranscribePsy 在笔记本电脑上支持 25 种欧洲语言，在手机上支持 8 种语言，并有针对苹果神经引擎优化的专用版本。
- 该开源发布是 Tether 的 QVAC AI 项目的一部分，该项目专注于直接在消费设备上运行 AI 应用，同时保持用户数据隐私。
根据 Tether AI Research 10 月 14 日发布的公告，这款名为 QVAC TranscribePsy 的开源模型支持多语言语音识别，专为在计算能力有限的设备上运行而设计。
该公司表示，该模型使用苹果的 Core ML 框架，可以在 iPhone 17 Pro Max 上仅用 1.65 秒转录 10 分钟的音频。
TranscribePsy 是 Tether 的 QVAC AI 项目的一部分，该项目专注于在本地运行人工智能应用。它的发布使开发者能够使用无需互联网连接即可运行的语音识别软件。
对于智能眼镜，该模型可以以最小延迟处理通过蓝牙或 Wi-Fi 接收的音频。人形机器人可以在其板载处理器上运行该软件，从而将计算能力留给导航、视觉识别和物理运动等功能。
Tether 表示，本地处理在医疗咨询、法律访谈、治疗会话和新闻工作中可能很有用，因为这些场景的录音可能包含机密信息。
Tether 的 TranscribePsy 模型取得了强劲的基准测试结果
在公司发布的性能评估中，TranscribePsy 在 Open ASR Leaderboard 上记录了 8.02% 的词错误率，在多语言 LibriSpeech 上为 6.58%。
其在 Common Voice 上的词错误率为 21.56%，Tether 声称该模型在同一参数类别中优于其他系统。
这个 2.54 亿参数的模型与更大的替代方案进行了比较，包括 Qwen3-ASR-0.6B、omniASR-CTC-1B-v2、OWSM-CTC-v4 和 Whisper-Medium。
根据研究团队的发现，尽管参数较少，TranscribePsy 在多语言 LibriSpeech 基准测试上的表现优于几个规模是其三到四倍的模型。
在六款智能手机上进行的测试表明，该模型在手机 CPU 上运行时，比第二快的系统快 2.6 倍，比 Whisper-small 快 5.7 倍。
其 iPhone 优化版本所需的磁盘空间不到评估中包含的竞争性 Core ML 模型的一半，内存占用也少 1.7 倍。
语音识别准确性使用词错误率来衡量，该指标将转录系统生成的单词与原始语音内容进行比较。分数越低表示转录错误越少。
Tether 随模型一起发布了评估配置，以便研究人员能够重现报告的结果。
语音识别软件支持 25 种欧洲语言
TranscribePsy 已发布四个版本，针对不同的硬件和语言需求设计。
其中一个笔记本电脑模型支持 25 种欧洲语言，而一个较小的语言配置则专注于八种常用语言。
对于移动设备，Tether 提供了一个 GGUF 版本，通过 qvac-fabric-speech 中的 parakeet.cpp 引擎运行。
一个单独的 Core ML 版本针对苹果的神经引擎进行了优化，使兼容的 iPhone 能够使用专用硬件进行转录。
这些模型旨在处理连续音频，在检测到语音后不久即可生成文本。Tether表示，该系统可以支持语音控制应用，无需将录音发送到外部服务器即可响应。
据该公司称，本地语音处理减少了对可能包含个人或机密信息的对话进行传输的需求。
Tether首席执行官Paolo Ardoino表示，随着语音设备变得越来越普遍，公司希望用户能够保留对对话的控制权。
“人工智能的未来不应意味着让中心化平台在我们的个人生活中占据前排座位，”Ardoino说。
他将TranscribePsy描述为一种语音识别技术的示例，该技术可以完全在个人设备上运行，而不依赖中心化基础设施。
Tether扩展其QVAC AI开发工具
TranscribePsy是Tether在2026年期间QVAC项目下发布的多个版本之一。
4月，Tether 推出了QVAC SDK，这是一个开源开发工具包，用于在智能手机和计算机上运行AI应用。
正如crypto.news此前报道，该工具包支持iOS、Android、Windows、macOS和Linux，功能涵盖文本生成、语音处理、图像识别和翻译。
该软件使用QVAC Fabric（llama.cpp的定制版本），并结合Holepunch技术进行点对点模型分发和委托处理。
在SDK发布之前，Tether已于3月将BitNet LoRA集成到QVAC Fabric中，以支持在消费级硬件上训练和运行大型AI模型。
当时，该公司表示已在Pixel 9、Galaxy S25和iPhone 16等设备上微调了包含多达38亿参数的模型。
其测试覆盖了iPhone 16上多达130亿参数的模型，而在该公司的评估中，GPU处理相比CPU基线带来了2到11倍的速度提升。
Tether对去中心化计算的研究已超越AI模型。
9月，Ardoin 披露了一款点对点搜索引擎的进展，该引擎设计用于在分布式节点上运行。
该团队已将完整的维基百科档案存储在100个节点上，并展示了不依赖中心化搜索服务的搜索功能。
该搜索引擎仍在开发中，团队正在研究一种旨在支持数千个互连节点的架构。
Tether早期的AI工作包括QVAC Genesis I数据集，于2025年10月发布，包含410亿个合成令牌，旨在用于数学、科学和技术推理方面的模型训练。
除了数据集，该公司还推出了QVAC Workbench，这是一个消费级应用，允许用户在本地运行支持的AI模型。
TranscribePsy以开放模型权重发布
最新的TranscribePsy版本在Apache 2.0许可下提供，Tether将研究和教育用途列为发布的一部分。
开发者可以访问模型权重、移动端GGUF构建、Apple Silicon Core ML版本和评估配置。
在QVAC Psy生态系统中，该语音识别软件旨在与其他专用模型配合使用，包括VisionPsy、TranslatePsy-Nano和MedPsy。
Tether将文档分析、翻译、导航和私人笔记记录确定为未来集成的可能应用。10月发布的版本提供了语音识别组件，而这些组合应用仍处于展望阶段。
该研究团队隶属于Tether Data, S.A. de C.V.，表示其持续进行的工作涵盖用于在消费设备上处理音频、文本、图像和视频的紧凑模型。
