Tether AI Research presentó QVAC TranscribePsy, un modelo multilingüe de reconocimiento de voz que procesa audio directamente en los dispositivos sin enviarlo a la nube. Según Tether, la versión Apple Core ML del modelo transcribió 10 minutos de audio en 1,65 segundos en un iPhone 17 Pro Max.
El modelo, de 254 millones de parámetros, admite 25 idiomas europeos en portátiles y ocho idiomas en dispositivos móviles.
Tether AI Research, la división de investigación de Tether, ha presentado QVAC TranscribePsy, un modelo compacto y multilingüe de reconocimiento automático de voz diseñado para ejecutarse directamente en los dispositivos. Se espera que el lanzamiento amplíe las capacidades de inteligencia artificial en el dispositivo para teléfonos inteligentes, gafas inteligentes y robots humanoides, al tiempo que protege las conversaciones privadas de ser cargadas en servidores externos.
TranscribePsy cuenta con 254 millones de parámetros y está diseñado para procesar audio casi en tiempo real. Según Tether, su versión Apple Core ML puede transcribir 10 minutos de audio en 1,65 segundos en un iPhone 17 Pro Max.
Procesamiento local y rendimiento
Tether está posicionando TranscribePsy como una herramienta para desarrolladores que crean servicios de IA de voz sin infraestructura en la nube. El procesamiento local puede ayudar a proteger el audio grabado en casa, en el trabajo o en espacios públicos, incluidas consultas médicas, entrevistas legales, sesiones de psicoterapia y conversaciones de periodistas con fuentes confidenciales.
Tether informó de una tasa de error de palabras, o WER, del 8,02% en Open ASR Leaderboard, del 6,58% en Multilingual LibriSpeech y del 21,56% en Common Voice. Una WER más baja indica menos errores de reconocimiento de palabras.
En Multilingual LibriSpeech, TranscribePsy superó a varios modelos con entre tres y cuatro veces más parámetros, según los resultados de las pruebas. En pruebas realizadas en seis teléfonos inteligentes, el modelo funcionó 2,6 veces más rápido que su competidor más cercano y 5,7 veces más rápido que Whisper-small, con base en pruebas comparativas de CPU de teléfonos.
La versión para portátiles admite 25 idiomas europeos, mientras que la versión móvil admite ocho. Tether lanzó cuatro versiones especializadas para distintos dispositivos, incluidas compilaciones GGUF para hardware móvil y una compilación Core ML optimizada para el Neural Engine del iPhone.
El CEO de Tether, Paolo Ardoino, afirmó:
“El futuro de la IA no debería significar dar a las plataformas centralizadas un asiento de primera fila en nuestras vidas personales. TranscribePsy demuestra que la IA avanzada de voz puede ser rápida, capaz y completamente local.”
Expansión del ecosistema QVAC
TranscribePsy amplía el ecosistema QVAC, mediante el cual Tether desarrolla herramientas para procesar texto, imágenes, vídeo y otros tipos de datos directamente en los dispositivos. El modelo podría integrarse eventualmente con VisionPsy, TranslatePsy-Nano y MedPsy para el análisis de documentos mediante voz, la traducción, la navegación y las notas privadas.
En diciembre de 2025, Tether presentó QVAC Genesis II, un conjunto de datos educativos sintéticos para el entrenamiento de IA. Tras la incorporación de 107.000 millones de tokens, el conjunto de datos alcanzó 148.000 millones de tokens en 19 ámbitos educativos.
En junio de 2026, la empresa actualizó QVAC SDK 0.13.0 con soporte para generación local de vídeo, interfaces cerebro-computadora y modelos de robótica.
TranscribePsy fue lanzado bajo la licencia Apache 2.0 para fines de investigación y educativos. El lanzamiento incluye pesos de modelo abiertos, compilaciones móviles y configuraciones para pruebas reproducibles.
El trabajo de IA forma parte de una transformación más amplia en Tether. La empresa incorporó recientemente a KPMG para auditar sus reservas, tras lo cual Ardoino afirmó que Tether había dejado hacía tiempo de considerarse únicamente una empresa de criptomonedas.
Fuente: HODL Press
