أصدرت شركة Tether، الشركة التي تقف وراء أكبر عملة مستقرة في العالم، TranscribePsy، وهو نموذج للتعرف على الكلام يحتوي على 254 مليون معلمة والذي يقوم بنسخ المحادثات مباشرة على الهواتف الذكية والنظارات الذكية والروبوتات البشرية دون إرسال أي صوت إلى الخوادم السحابية. يعد الإصدار، الذي تم الإعلان عنه هذا الأسبوع كجزء من مشروع الذكاء الاصطناعي QVAC للشركة، أحدث علامة على أن Tether جادة في بناء برامج الذكاء الاصطناعي التي تعمل بالكامل على الأجهزة الشخصية.

تضع هذه الخطوة شركة العملات المشفرة في موقف غير متوقع: التنافس مع موفري الذكاء الاصطناعي السحابي بحجة أن البيانات الصوتية حساسة للغاية بحيث لا يمكن تركها من الجهاز. وقال باولو أردوينو، الرئيس التنفيذي لشركة Tether، في الإعلان: "إن مستقبل الذكاء الاصطناعي لا ينبغي أن يعني إعطاء المنصات المركزية مقعدًا في الصف الأمامي لحياتنا الشخصية". ووصف TranscribePsy كمثال للتعرف على الكلام الذي يمكن أن يعمل بشكل كامل على الأجهزة الشخصية، دون الاعتماد على البنية التحتية المركزية. لمزيد من السياق حول هذه القصة، راجع أخبار الذكاء الاصطناعي.

النتائج المعيارية: أسرع من الهمس على وحدات المعالجة المركزية بالهاتف

وفقًا لموقع crypto.news، الذي استعرض التقييم المنشور للشركة، اختبرت Tether النموذج عبر ستة هواتف ذكية ووجدت أنه يعمل أسرع بمقدار 2.6 مرة من ثاني أسرع نظام تم تقييمه، وأسرع 5.7 مرة من نموذج Whisper-small مفتوح المصدر من OpenAI عند تشغيله على وحدات المعالجة المركزية للهاتف. على iPhone، يتطلب الإصدار المحسّن لـ Core ML أقل من نصف مساحة القرص وذاكرة أقل بمقدار 1.7 مرة من طراز Core ML المنافس المضمن في المقارنة.

تم قياس الدقة باستخدام معدل خطأ الكلمات، وهو المقياس القياسي الذي يحسب عدد الكلمات التي يخطئ فيها نظام النسخ مقابل المحتوى المنطوق الأصلي. نشرت شركة Tether تكوينات التقييم جنبًا إلى جنب مع النموذج حتى يتمكن الباحثون المستقلون من إعادة إنتاج الأرقام المبلغ عنها - وهي ممارسة شفافية لا تزال غير شائعة بين بائعي الذكاء الاصطناعي للمستهلكين.

أربعة إصدارات لأجهزة مختلفة

يأتي TranscribePsy في أربعة إصدارات تستهدف فئات مختلفة من الأجهزة:

  • نموذج كمبيوتر محمول يدعم 25 لغة أوروبية
  • تكوين أصغر يركز على ثماني لغات شائعة الاستخدام
  • إصدار GGUF الذي يعمل من خلال محرك parakeet.cpp داخل برنامج qvac-fabric-speech الخاص بـ Tether، للأجهزة المحمولة
  • إصدار Core ML محسّن للمحرك العصبي من Apple، مما يسمح لأجهزة iPhone المتوافقة بالنسخ باستخدام السيليكون المخصص

تم تصميم النماذج للتعامل مع الصوت المستمر، وإنتاج النص بعد وقت قصير من اكتشاف الكلام. يقول تيثر إن النظام يمكن أن يدعم التطبيقات التي يتم التحكم فيها عن طريق الصوت والتي تستجيب دون إرسال التسجيلات إلى خوادم خارجية - وهو مطالبة ذات مغزى للنظارات الذكية والأجهزة القابلة للارتداء، حيث أثارت الميكروفونات التي تعمل دائمًا مخاوف مستمرة بشأن الخصوصية.

جزء من دفعة أوسع لـ QVAC

TranscribePsy هو أحدث إصدار ضمن مشروع Tether's QVAC، والذي توسع بشكل مطرد حتى عام 2026. في أبريل، قدمت الشركة QVAC SDK، وهي مجموعة أدوات تطوير مفتوحة المصدر لتشغيل تطبيقات الذكاء الاصطناعي على أنظمة iOS وAndroid وWindows وmacOS وLinux، والتي تغطي إنشاء النص ومعالجة الكلام والتعرف على الصور والترجمة. تم بناء مجموعة الأدوات على نسيج QVAC، وهو إصدار مخصص من llama.cpp، ويستخدم تقنية Holepunch لتوزيع النماذج من نظير إلى نظير.

في وقت سابق من العام، قامت Tether بدمج تدريب BitNet LoRA في نسيج QVAC، قائلة إنها قامت بضبط نماذج تصل إلى 3.8 مليار معلمة على الأجهزة الاستهلاكية بما في ذلك Pixel 9 وGalaxy S25 وiPhone 16، مع اختبارات تغطي نماذج تصل إلى 13 مليار معلمة على iPhone 16. في سبتمبر، كشف Ardoino عن العمل على محرك بحث نظير إلى نظير قام بتخزين أرشيف Wikipedia الكامل عبر 100 عقدة موزعة. وفي أكتوبر 2025، أصدرت الشركة مجموعة بيانات QVAC Genesis I، والتي تضم 41 مليار رمزًا اصطناعيًا تهدف إلى تدريب النماذج في الرياضيات والعلوم والتفكير التقني.

لماذا يهم

اشتد سباق الذكاء الاصطناعي على الأجهزة حيث يسعى صانعو الأجهزة إلى الحصول على ميزات تعمل دون الاتصال ودون مغادرة البيانات للهاتف. يظل Whisper هو نموذج الكلام المفتوح الأكثر انتشارًا على نطاق واسع، ولكنه لم يتم تصميمه بغلاف الطاقة لوحدة المعالجة المركزية للهاتف، حيث يكون لدى النماذج الصغيرة المصممة لهذا الغرض مجال للتمييز. إن ادعاءات معيار Tether، إذا كانت تتمسك بالنسخ المتماثل المستقل، ستضع TranscribePsy في مقدمة تلك الحزمة.

بالنسبة لـ Tether، تعتبر الإستراتيجية أيضًا وسيلة تحوط. يظل العمل الأساسي للشركة هو عملة USDT المستقرة، لكن قيادتها أمضت عام 2026 في بناء مجموعة من البنية التحتية المحلية الأولى للذكاء الاصطناعي - النماذج وحزم SDK ومجموعات البيانات والتوزيع من نظير إلى نظير - والتي تتوافق مع الروح اللامركزية لقاعدة مستخدميها مع تقليل الاعتماد على عدد صغير من موفري الخدمات السحابية الذين يتحكمون حاليًا في معظم استدلالات الذكاء الاصطناعي.

ما إذا كان مصدر العملة المستقرة يمكن أن يصبح لاعبًا موثوقًا في الذكاء الاصطناعي للكلام هو سؤال مفتوح. ولكن مع وجود معيار منشور وتكوينات قابلة للتكرار ونموذج عمل يعمل على الهواتف التي يمتلكها الأشخاص بالفعل، يعد TranscribePsy إصدارًا أكثر واقعية من معظم إعلانات الذكاء الاصطناعي الموجودة على الجهاز - وعلامة على أن الجزء الأول من الخصوصية في سوق الذكاء الاصطناعي يجذب وافدين غير متوقعين.

المقايضة: القدرة مقابل السيطرة

لا تزال النماذج الصغيرة الموجودة على الجهاز تتخلف عن نظيراتها السحابية من حيث الدقة الأولية، لا سيما فيما يتعلق بالكلام المميز، وضوضاء الخلفية، والمفردات المتخصصة. ما يقدمونه في المقابل هو أمر هيكلي: لا يوجد تبعية للشبكة، ولا توجد تكلفة لواجهة برمجة التطبيقات لكل عملية نسخ، ولا يوجد طرف ثالث يحتفظ بالصوت. بالنسبة للأجهزة القابلة للارتداء مثل النظارات الذكية، حيث تضيف الرحلة السحابية ذهابًا وإيابًا زمن الوصول إلى كل تفاعل ويكون الميكروفون الذي يستمع دائمًا هو الهدف الأساسي للمنتج، يمكن القول إن المعالجة المحلية هي التصميم الوحيد الذي يمكن توسيع نطاقه دون رد فعل عكسي على الخصوصية.

تراهن شركة Tether على أن هذه المقايضة تميل أكثر نحو المعالجة المحلية مع كل جيل من الأجهزة. توفر المحركات العصبية في الهواتف الرئيسية الحالية بالفعل استدلالًا مكونًا من رقمين من مليار معلمة، والنماذج في نطاق بضع مئات الملايين - مثل TranscribePsy - تترك مجالًا للسياق الأطول، والمزيد من اللغات، والتشغيل الدائم دون استنزاف البطارية.

---

ابق على اطلاع بأخبار الذكاء الاصطناعي

آخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →