Tether, বিশ্বের বৃহত্তম স্টেবলকয়েনের পিছনে কোম্পানি, ট্রান্সক্রাইবপসি প্রকাশ করেছে, একটি 254-মিলিয়ন-প্যারামিটার স্পিচ রিকগনিশন মডেল যা ক্লাউড সার্ভারে কোনো অডিও না পাঠিয়ে সরাসরি স্মার্টফোন, স্মার্ট গ্লাস এবং হিউম্যানয়েড রোবটে কথোপকথন প্রতিলিপি করে। কোম্পানির QVAC কৃত্রিম বুদ্ধিমত্তা প্রকল্পের অংশ হিসাবে এই সপ্তাহে ঘোষণা করা রিলিজটি সর্বশেষ লক্ষণ যে টিথার সম্পূর্ণরূপে ব্যক্তিগত ডিভাইসে চালিত AI সফ্টওয়্যার তৈরির বিষয়ে গুরুতর।
এই পদক্ষেপটি একটি ক্রিপ্টো কোম্পানিকে একটি অপ্রত্যাশিত অবস্থানে রাখে: ক্লাউড এআই প্রদানকারীদের সাথে এই যুক্তিতে প্রতিদ্বন্দ্বিতা করা যে ভয়েস ডেটা ডিভাইসটি ছেড়ে যাওয়ার জন্য খুব সংবেদনশীল। "এআই এর ভবিষ্যত মানে আমাদের ব্যক্তিগত জীবনে কেন্দ্রীভূত প্ল্যাটফর্মকে সামনের সারির আসন দেওয়া উচিত নয়," টিথারের সিইও পাওলো আরডোইনো ঘোষণায় বলেছেন। তিনি ট্রান্সক্রাইবপসিকে বক্তৃতা স্বীকৃতির একটি উদাহরণ হিসাবে বর্ণনা করেছেন যা সম্পূর্ণরূপে ব্যক্তিগত হার্ডওয়্যারে কাজ করতে পারে, কেন্দ্রীভূত অবকাঠামোর উপর নির্ভরশীলতা ছাড়াই। For more context on this story, see our ongoing breaking AI news.
বেঞ্চমার্ক ফলাফল: ফোন CPU-তে হুইস্পারের চেয়ে দ্রুত
crypto.news অনুসারে, যেটি কোম্পানির প্রকাশিত মূল্যায়ন পর্যালোচনা করেছে, Tether ছয়টি স্মার্টফোনে মডেলটি পরীক্ষা করেছে এবং দেখেছে যে এটি পরবর্তী দ্রুততম সিস্টেমের মূল্যায়নের চেয়ে 2.6 গুণ দ্রুত এবং ফোন CPU-তে চলাকালীন OpenAI-এর ওপেন-সোর্স হুইস্পার-ছোট মডেলের চেয়ে 5.7 গুণ দ্রুত গতিতে চলে। আইফোনে, একটি কোর ML-অপ্টিমাইজ করা সংস্করণের জন্য অর্ধেকেরও কম ডিস্কের স্থান এবং 1.7 গুণ কম মেমরির প্রয়োজন ছিল তুলনার মধ্যে অন্তর্ভুক্ত একটি প্রতিযোগী কোর ML মডেলের তুলনায়।
সঠিকতা শব্দ ত্রুটির হার ব্যবহার করে পরিমাপ করা হয়েছিল, আদর্শ মেট্রিক যা মূল কথ্য বিষয়বস্তুর বিপরীতে একটি ট্রান্সক্রিপশন সিস্টেমে কতগুলি শব্দ ভুল হয়েছে তা গণনা করে। টিথার মডেলের পাশাপাশি মূল্যায়ন কনফিগারেশন প্রকাশ করেছে যাতে স্বাধীন গবেষকরা রিপোর্ট করা সংখ্যাগুলি পুনরুত্পাদন করতে পারেন - একটি স্বচ্ছতা অনুশীলন যা ভোক্তা AI বিক্রেতাদের মধ্যে অস্বাভাবিক থেকে যায়।
বিভিন্ন হার্ডওয়্যারের জন্য চারটি সংস্করণ
বিভিন্ন শ্রেণীর হার্ডওয়্যারের লক্ষ্যে চারটি বিল্ডে ট্রান্সক্রাইবপসি জাহাজগুলি:
- একটি ল্যাপটপ মডেল 25টি ইউরোপীয় ভাষা সমর্থন করে
- একটি ছোট কনফিগারেশন আটটি সাধারণভাবে ব্যবহৃত ভাষার উপর দৃষ্টি নিবদ্ধ করে
- একটি GGUF সংস্করণ যা মোবাইল ডিভাইসের জন্য Tether এর qvac-fabric-speech সফ্টওয়্যারের ভিতরে parakeet.cpp ইঞ্জিনের মাধ্যমে চলে
- অ্যাপলের নিউরাল ইঞ্জিনের জন্য অপ্টিমাইজ করা একটি কোর এমএল সংস্করণ, ডেডিকেটেড সিলিকন ব্যবহার করে সামঞ্জস্যপূর্ণ আইফোনগুলিকে প্রতিলিপি করতে দেয়
মডেলগুলি অবিচ্ছিন্ন অডিও পরিচালনা করার জন্য ডিজাইন করা হয়েছে, বক্তৃতা সনাক্ত হওয়ার পরপরই পাঠ্য তৈরি করে। টিথার বলে যে সিস্টেমটি ভয়েস-নিয়ন্ত্রিত অ্যাপ্লিকেশনগুলিকে সমর্থন করতে পারে যা কখনও বাহ্যিক সার্ভারগুলিতে রেকর্ডিং প্রেরণ না করেই সাড়া দেয় - স্মার্ট চশমা এবং পরিধানযোগ্য ডিভাইসগুলির জন্য একটি অর্থপূর্ণ দাবি, যেখানে সর্বদা-অন মাইক্রোফোনগুলি ক্রমাগত গোপনীয়তা উদ্বেগ উত্থাপন করেছে।
একটি বিস্তৃত QVAC পুশের অংশ
TranscribePsy হল Tether-এর QVAC প্রকল্পের অধীনে সর্বশেষ রিলিজ, যা 2026 সালের মধ্যে স্থিরভাবে প্রসারিত হয়েছে। এপ্রিল মাসে, কোম্পানিটি QVAC SDK চালু করেছে, iOS, Android, Windows, macOS এবং Linux-এ AI অ্যাপ্লিকেশন চালানোর জন্য একটি ওপেন-সোর্স ডেভেলপমেন্ট টুলকিট, পাঠ্য প্রজন্ম, স্পিচ প্রসেসিং, ইমেজ রিকগনিশন এবং অনুবাদ কভার করে। টুলকিটটি QVAC Fabric-এ নির্মিত, llama.cpp-এর একটি কাস্টমাইজড সংস্করণ, এবং পিয়ার-টু-পিয়ার মডেল বিতরণের জন্য Holepunch প্রযুক্তি ব্যবহার করে।
বছরের শুরুর দিকে, Tether QVAC Fabric-এ BitNet LoRA প্রশিক্ষণকে একীভূত করেছিল, বলেছিল যে এটি Pixel 9, Galaxy S25 এবং iPhone 16 সহ ভোক্তা ডিভাইসগুলিতে 3.8 বিলিয়ন প্যারামিটার পর্যন্ত সূক্ষ্ম-টিউনড মডেল রয়েছে, iPhone 16-এ 13 বিলিয়ন প্যারামিটার পর্যন্ত মডেলগুলিকে কভার করার পরীক্ষা সহ। 100টি বিতরণ করা নোড জুড়ে সম্পূর্ণ উইকিপিডিয়া সংরক্ষণাগার সংরক্ষণ করেছে। এবং 2025 সালের অক্টোবরে, কোম্পানি QVAC জেনেসিস I ডেটাসেট প্রকাশ করেছে, 41 বিলিয়ন সিন্থেটিক টোকেন যা গণিত, বিজ্ঞান এবং প্রযুক্তিগত যুক্তিতে প্রশিক্ষণের মডেল।
কেন এটা গুরুত্বপূর্ণ
ডিভাইস নির্মাতারা হ্যান্ডসেট ছাড়াই কানেক্টিভিটি ছাড়া এবং ডেটা ছাড়াই কাজ করে এমন বৈশিষ্ট্য খোঁজার কারণে ডিভাইসে এআই রেস তীব্র হয়েছে। হুইস্পার সবচেয়ে ব্যাপকভাবে মোতায়েন করা ওপেন স্পিচ মডেল, কিন্তু এটি একটি ফোন সিপিইউ-এর পাওয়ার খামের জন্য ডিজাইন করা হয়নি, যেখানে উদ্দেশ্য-নির্মিত ছোট মডেলগুলির মধ্যে পার্থক্য করার জায়গা রয়েছে। টিথারের বেঞ্চমার্ক দাবি, যদি তারা স্বাধীন প্রতিলিপি ধরে রাখে, তাহলে সেই প্যাকের সামনে ট্রান্সক্রিপসি রাখবে।
টিথারের জন্য, কৌশলটিও একটি হেজ। কোম্পানির মূল ব্যবসা USDT স্টেবলকয়েন রয়ে গেছে, কিন্তু এর নেতৃত্ব 2026 ব্যয় করেছে স্থানীয়-প্রথম AI পরিকাঠামোর একটি পোর্টফোলিও তৈরি করতে — মডেল, SDK, ডেটাসেট এবং পিয়ার-টু-পিয়ার ডিস্ট্রিবিউশন — যা তার ব্যবহারকারী বেসের বিকেন্দ্রীভূত নীতির সাথে সামঞ্জস্যপূর্ণ এবং বর্তমানে ক্লাউড এআইয়ের উপর নির্ভরশীলতা কমিয়ে দেয়।
একজন স্টেবলকয়েন ইস্যুকারী স্পিচ এআইতে বিশ্বাসযোগ্য খেলোয়াড় হয়ে উঠতে পারে কিনা তা একটি উন্মুক্ত প্রশ্ন। কিন্তু একটি প্রকাশিত বেঞ্চমার্ক, পুনরুত্পাদনযোগ্য কনফিগারেশন এবং একটি কার্যকরী মডেল যা ইতিমধ্যেই লোকেদের মালিকানাধীন ফোনে চলে, ট্রান্সক্রাইবপসি হল বেশিরভাগ অন-ডিভাইস এআই ঘোষণার চেয়ে একটি আরও দৃঢ় প্রকাশ — এবং একটি লক্ষণ যে AI বাজারের গোপনীয়তা-প্রথম অংশটি অসম্ভাব্য প্রবেশকারীদের আকর্ষণ করছে।
বাণিজ্য বন্ধ: ক্ষমতা বনাম নিয়ন্ত্রণ
ছোট অন-ডিভাইস মডেলগুলি এখনও তাদের ক্লাউড সমকক্ষগুলিকে অপরিশোধিত নির্ভুলতা, বিশেষ করে উচ্চারিত বক্তৃতা, পটভূমির শব্দ এবং বিশেষ শব্দভান্ডারে অনুসরণ করে। বিনিময়ে তারা যা অফার করে তা হল কাঠামোগত: কোনও নেটওয়ার্ক নির্ভরতা নেই, কোনও প্রতি-ট্রান্সক্রিপশন API খরচ নেই এবং কোনও তৃতীয় পক্ষ অডিও ধারণ করে না৷ স্মার্ট চশমার মতো পরিধানযোগ্য জিনিসগুলির জন্য, যেখানে একটি ক্লাউড রাউন্ড-ট্রিপ প্রতিটি মিথস্ক্রিয়ায় বিলম্বিত করে এবং একটি সর্বদা শোনার মাইক্রোফোন হল পণ্যের সম্পূর্ণ বিন্দু, স্থানীয় প্রক্রিয়াকরণই যুক্তিযুক্তভাবে একমাত্র ডিজাইন যা গোপনীয়তার প্রতিক্রিয়া ছাড়াই স্কেল করে৷
Tether পণ করছে যে এই ট্রেড-অফটি প্রতিটি হার্ডওয়্যার প্রজন্মের সাথে স্থানীয় প্রক্রিয়াকরণের দিকে আরও ঝুঁকছে। বর্তমান ফ্ল্যাগশিপ ফোনের নিউরাল ইঞ্জিনগুলি ইতিমধ্যেই দ্বিগুণ-অঙ্কের-বিলিয়ন-প্যারামিটার অনুমান সরবরাহ করে, এবং মডেলগুলি কয়েকশ-মিলিয়ন রেঞ্জের মধ্যে — যেমন ট্রান্সক্রাইবপসি — দীর্ঘ প্রসঙ্গ, আরও ভাষা, এবং ব্যাটারি নিষ্কাশন না করে সর্বদা চালু থাকার জন্য হেডরুম ছেড়ে যায়।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
