Tether推出面向手机、智能眼镜和机器人的AI语音识别模型

Tether AI Research推出QVAC TranscribePsy，这是一款可直接在设备上处理音频、无需将数据发送至云端的多语言语音识别模型。该模型旨在扩展智能手机、智能眼镜和人形机器人的端侧人工智能能力，同时避免私人对话被上传至外部服务器。

据Tether称，该模型的苹果Core ML版本可在iPhone 17 Pro Max上以1.65秒转录10分钟音频。

这款拥有2.54亿个参数的模型支持笔记本电脑上的25种欧洲语言，以及移动设备上的8种语言。

Tether的研究部门Tether AI Research已推出QVAC TranscribePsy。这是一款紧凑型多语言自动语音识别模型，专为直接在设备上运行而设计。

本地处理与性能

Tether将TranscribePsy定位为面向开发者的工具，用于在不依赖云端基础设施的情况下构建语音AI服务。本地处理有助于保护在家中、工作场所或公共场所录制的音频，包括医疗咨询、法律访谈、心理治疗会谈，以及记者与机密消息来源的对话。

Tether报告称，该模型在Open ASR Leaderboard上的词错误率（WER）为8.02%，在Multilingual LibriSpeech上的词错误率为6.58%，在Common Voice上的词错误率为21.56%。较低的WER意味着更少的词语识别错误。

根据测试结果，在Multilingual LibriSpeech上，TranscribePsy的表现优于若干参数量为其3至4倍的模型。在6款智能手机的测试中，基于手机CPU基准测试，该模型的运行速度是最接近竞争对手的2.6倍，是Whisper-small的5.7倍。

笔记本电脑版本支持25种欧洲语言，移动版本支持8种语言。Tether针对不同设备发布了4个专用版本，包括适用于移动硬件的GGUF构建版本，以及针对iPhone神经网络引擎优化的Core ML构建版本。

Tether首席执行官Paolo Ardoino表示：

“AI的未来不应意味着让中心化平台能够近距离窥探我们的个人生活。TranscribePsy表明，先进的语音AI可以快速、强大，并且完全在本地运行。”

TranscribePsy扩展了QVAC生态系统，Tether正通过该生态系统开发可直接在设备上处理文本、图像、视频及其他类型数据的工具。该模型未来可能与VisionPsy、TranslatePsy-Nano和MedPsy整合，用于基于语音的文档分析、翻译、导航和私密笔记。

2025年12月，Tether推出了用于AI训练的合成教育数据集QVAC Genesis II。在新增1070亿个词元后，该数据集覆盖19个教育领域的词元总量达到1480亿个。

2026年6月，该公司更新QVAC SDK 0.13.0，新增对本地视频生成、脑机接口和机器人模型的支持。

TranscribePsy以Apache 2.0许可证发布，供研究和教育用途使用。此次发布包括开放模型权重、移动端构建版本，以及用于可复现测试的配置。

这项AI工作是Tether更广泛转型的一部分。该公司近期聘请毕马威审计其储备金，此后Ardoino表示，Tether早已不再仅将自己视为一家加密货币公司。