Tether, das Unternehmen hinter dem weltweit größten Stablecoin, hat TranscribePsy veröffentlicht, ein Spracherkennungsmodell mit 254 Millionen Parametern, das Gespräche direkt auf Smartphones, Datenbrillen und humanoiden Robotern transkribiert, ohne Audio an Cloud-Server zu senden. Die Veröffentlichung, die diese Woche im Rahmen des QVAC-Projekts für künstliche Intelligenz des Unternehmens angekündigt wurde, ist das jüngste Zeichen dafür, dass Tether es ernst meint mit der Entwicklung von KI-Software, die vollständig auf persönlichen Geräten läuft.

Der Schritt bringt ein Krypto-Unternehmen in eine unerwartete Lage: Es konkurriert mit Cloud-KI-Anbietern mit dem Argument, dass Sprachdaten zu sensibel seien, um das Gerät zu verlassen. „Die Zukunft der KI sollte nicht bedeuten, zentralisierten Plattformen einen Platz in der ersten Reihe unseres Privatlebens einzuräumen“, sagte Tether-CEO Paolo Ardoino in der Ankündigung. Er beschrieb TranscribePsy als ein Beispiel für Spracherkennung, die vollständig auf persönlicher Hardware funktionieren kann, ohne auf eine zentralisierte Infrastruktur angewiesen zu sein. Weitere Informationen zu dieser Geschichte finden Sie in unserer mehr KI-Geschichten.

Benchmark-Ergebnisse: Schneller als Whisper auf Telefon-CPUs

Laut crypto.news, das die veröffentlichte Bewertung des Unternehmens überprüfte, testete Tether das Modell auf sechs Smartphones und stellte fest, dass es 2,6-mal schneller lief als das nächstschnellste bewertete System und 5,7-mal schneller als das Open-Source-Whisper-Small-Modell von OpenAI, wenn es auf Telefon-CPUs lief. Auf dem iPhone benötigte eine für Core ML optimierte Version weniger als die Hälfte des Speicherplatzes und 1,7-mal weniger Speicher als ein im Vergleich enthaltenes konkurrierendes Core ML-Modell.

Die Genauigkeit wurde anhand der Wortfehlerrate gemessen, der Standardmetrik, die zählt, wie viele Wörter ein Transkriptionssystem im Vergleich zum ursprünglich gesprochenen Inhalt falsch macht. Tether veröffentlichte die Bewertungskonfigurationen zusammen mit dem Modell, damit unabhängige Forscher die gemeldeten Zahlen reproduzieren können – eine Transparenzpraxis, die unter Anbietern von KI für Verbraucher nach wie vor ungewöhnlich ist.

Vier Versionen für unterschiedliche Hardware

TranscribePsy wird in vier Builds geliefert, die auf verschiedene Hardwareklassen ausgerichtet sind:

  • Ein Laptop-Modell, das 25 europäische Sprachen unterstützt
  • Eine kleinere Konfiguration, die sich auf acht häufig verwendete Sprachen konzentriert
– Eine GGUF-Version, die über die parakeet.cpp-Engine in der qvac-fabric-speech-Software von Tether für mobile Geräte läuft
  • Eine Core ML-Version, die für die Neural Engine von Apple optimiert ist und kompatible iPhones mit dediziertem Silizium transkribieren lässt

Die Modelle sind für die Verarbeitung kontinuierlicher Audiosignale ausgelegt und erzeugen kurz nach der Spracherkennung Text. Laut Tether könnte das System sprachgesteuerte Anwendungen unterstützen, die reagieren, ohne jemals Aufzeichnungen an externe Server zu übertragen – ein sinnvoller Anspruch für Datenbrillen und tragbare Geräte, bei denen ständig eingeschaltete Mikrofone anhaltende Datenschutzbedenken hervorgerufen haben.

Teil eines umfassenderen QVAC-Push

TranscribePsy ist die neueste Version im Rahmen des QVAC-Projekts von Tether, das bis 2026 stetig erweitert wurde. Im April stellte das Unternehmen das QVAC SDK vor, ein Open-Source-Entwicklungstoolkit zum Ausführen von KI-Anwendungen auf iOS, Android, Windows, macOS und Linux, das Textgenerierung, Sprachverarbeitung, Bilderkennung und Übersetzung abdeckt. Das Toolkit basiert auf QVAC Fabric, einer angepassten Version von llama.cpp, und nutzt die Holepunch-Technologie für die Peer-to-Peer-Modellverteilung.

Anfang des Jahres integrierte Tether das BitNet LoRA-Training in QVAC Fabric und gab an, Modelle mit bis zu 3,8 Milliarden Parametern auf Verbrauchergeräten wie dem Pixel 9, dem Galaxy S25 und dem iPhone 16 verfeinert zu haben, wobei die Tests Modelle mit bis zu 13 Milliarden Parametern auf dem iPhone 16 abdeckten. Im September gab Ardoino die Arbeit an einer Peer-to-Peer-Suchmaschine bekannt, die das gesamte Wikipedia-Archiv auf 100 verteilten Knoten gespeichert hat. Und im Oktober 2025 veröffentlichte das Unternehmen den QVAC Genesis I-Datensatz, 41 Milliarden synthetische Token, die darauf abzielen, Modelle in Mathematik, Naturwissenschaften und technischem Denken zu trainieren.

Warum es wichtig ist

Der Wettlauf um die On-Device-KI hat sich verschärft, da Gerätehersteller nach Funktionen suchen, die ohne Konnektivität funktionieren und ohne dass Daten das Mobiltelefon verlassen. Whisper ist nach wie vor das am weitesten verbreitete Open-Speech-Modell, wurde jedoch nicht für den Leistungsumfang einer Telefon-CPU entwickelt, wo sich speziell entwickelte kleine Modelle differenzieren können. Die Benchmark-Ansprüche von Tether würden TranscribePsy, wenn sie der unabhängigen Replikation standhalten, an die Spitze dieses Feldes bringen.

Für Tether ist die Strategie auch eine Absicherung. Das Kerngeschäft des Unternehmens bleibt der USDT-Stablecoin, aber seine Führung hat das Jahr 2026 damit verbracht, ein Portfolio lokaler KI-Infrastruktur – Modelle, SDKs, Datensätze und Peer-to-Peer-Verteilung – aufzubauen, das mit dem dezentralen Ethos seiner Benutzerbasis übereinstimmt und gleichzeitig die Abhängigkeit von der kleinen Anzahl von Cloud-Anbietern verringert, die derzeit die meisten KI-Inferenzen kontrollieren.

Ob ein Stablecoin-Emittent ein glaubwürdiger Akteur im Bereich Sprach-KI werden kann, ist eine offene Frage. Aber mit einem veröffentlichten Benchmark, reproduzierbaren Konfigurationen und einem funktionierenden Modell, das auf den Telefonen läuft, die die Leute bereits besitzen, ist TranscribePsy eine konkretere Veröffentlichung als die meisten KI-Ankündigungen auf Geräten – und ein Zeichen dafür, dass das datenschutzorientierte Segment des KI-Marktes ungewöhnliche Marktteilnehmer anzieht.

Der Kompromiss: Fähigkeit versus Kontrolle

Kleine On-Device-Modelle liegen in puncto Genauigkeit immer noch hinter ihren Cloud-Pendants zurück, insbesondere bei akzentuierter Sprache, Hintergrundgeräuschen und Fachvokabular. Was sie als Gegenleistung bieten, ist strukturell: keine Netzwerkabhängigkeit, keine API-Kosten pro Transkription und kein Dritter, der über die Audiodaten verfügt. Bei Wearables wie Datenbrillen, bei denen ein Cloud-Roundtrip die Latenz bei jeder Interaktion erhöht und ein ständig zuhörendes Mikrofon den Kern des Produkts ausmacht, ist die lokale Verarbeitung wohl das einzige Design, das ohne Rückwirkungen auf die Privatsphäre skaliert werden kann.

Tether geht davon aus, dass sich dieser Kompromiss mit jeder Hardware-Generation weiter in Richtung lokaler Verarbeitung verschiebt. Neuronale Engines in aktuellen Flaggschiff-Telefonen liefern bereits zweistellige Milliarden-Parameter-Inferenzen, und Modelle im Bereich von einigen Hundert Millionen – wie TranscribePsy – bieten Spielraum für längeren Kontext, mehr Sprachen und einen ständigen Betrieb, ohne den Akku zu belasten.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →