A Tether AI Research revelou o QVAC TranscribePsy, um modelo multilíngue de reconhecimento de fala que processa áudio em dispositivos sem enviá-lo para a nuvem.

Segundo a Tether, a versão Apple Core ML do modelo transcreveu 10 minutos de áudio em 1,65 segundo em um iPhone 17 Pro Max.

O modelo, de 254 milhões de parâmetros, oferece suporte a 25 idiomas europeus em laptops e a oito idiomas em dispositivos móveis.

A Tether AI Research, divisão de pesquisa da Tether, revelou o QVAC TranscribePsy, um modelo compacto e multilíngue de reconhecimento automático de fala projetado para ser executado diretamente em dispositivos. Espera-se que o lançamento amplie as capacidades de inteligência artificial no dispositivo para smartphones, óculos inteligentes e robôs humanoides, ao mesmo tempo que protege conversas privadas de serem enviadas a servidores externos.

O TranscribePsy tem 254 milhões de parâmetros e foi projetado para processar áudio quase em tempo real. Segundo a Tether, sua versão Apple Core ML pode transcrever 10 minutos de áudio em 1,65 segundo em um iPhone 17 Pro Max.

Processamento local e desempenho

A Tether está posicionando o TranscribePsy como uma ferramenta para desenvolvedores que constroem serviços de IA de voz sem infraestrutura de nuvem. O processamento local pode ajudar a proteger áudios gravados em casa, no trabalho ou em locais públicos, incluindo consultas médicas, entrevistas jurídicas, sessões de psicoterapia e conversas de jornalistas com fontes confidenciais.

A Tether informou uma taxa de erro de palavras, ou WER, de 8,02% no Open ASR Leaderboard, 6,58% no Multilingual LibriSpeech e 21,56% no Common Voice. Uma WER menor indica menos erros de reconhecimento de palavras.

No Multilingual LibriSpeech, o TranscribePsy superou vários modelos com três a quatro vezes mais parâmetros, segundo os resultados dos testes. Em testes com seis smartphones, o modelo foi executado 2,6 vezes mais rápido do que seu concorrente mais próximo e 5,7 vezes mais rápido do que o Whisper-small, com base em benchmarks de CPU de telefones.

A versão para laptops oferece suporte a 25 idiomas europeus, enquanto a versão móvel oferece suporte a oito. A Tether lançou quatro versões especializadas para diferentes dispositivos, incluindo compilações GGUF para hardware móvel e uma compilação Core ML otimizada para o Neural Engine do iPhone.

O CEO da Tether, Paolo Ardoino, disse:

“O futuro da IA não deveria significar dar a plataformas centralizadas um assento na primeira fila de nossas vidas pessoais. O TranscribePsy mostra que uma IA de fala avançada pode ser rápida, capaz e inteiramente local.”

Expansão do ecossistema QVAC

O TranscribePsy amplia o ecossistema QVAC, por meio do qual a Tether está desenvolvendo ferramentas para processar texto, imagens, vídeo e outros tipos de dados diretamente em dispositivos. O modelo poderá eventualmente ser integrado ao VisionPsy, TranslatePsy-Nano e MedPsy para análise de documentos baseada em voz, tradução, navegação e anotações privadas.

Em dezembro de 2025, a Tether revelou o QVAC Genesis II, um conjunto de dados educacionais sintéticos para treinamento de IA. Após a adição de 107 bilhões de tokens, o conjunto de dados alcançou 148 bilhões de tokens em 19 domínios educacionais.

Em junho de 2026, a empresa atualizou o QVAC SDK 0.13.0 com suporte para geração local de vídeo, interfaces cérebro-computador e modelos de robótica.

O TranscribePsy foi lançado sob a licença Apache 2.0 para fins de pesquisa e educação. O lançamento inclui pesos abertos do modelo, compilações móveis e configurações para testes reproduzíveis.

O trabalho de IA faz parte de uma transformação mais ampla na Tether. A empresa recentemente contratou a KPMG para auditar suas reservas, após o que Ardoino disse que a Tether há muito tempo havia deixado de se ver apenas como uma empresa de criptomoedas.

Fonte: HODL Press