Η Tether, η εταιρεία πίσω από το μεγαλύτερο stablecoin στον κόσμο, κυκλοφόρησε το TranscribePsy, ένα μοντέλο αναγνώρισης ομιλίας 254 εκατομμυρίων παραμέτρων που μεταγράφει συνομιλίες απευθείας σε smartphone, έξυπνα γυαλιά και ανθρωποειδή ρομπότ χωρίς να στέλνει ήχο σε διακομιστές cloud. Η κυκλοφορία, που ανακοινώθηκε αυτή την εβδομάδα ως μέρος του έργου τεχνητής νοημοσύνης QVAC της εταιρείας, είναι η πιο πρόσφατη ένδειξη ότι η Tether είναι σοβαρή για την κατασκευή λογισμικού τεχνητής νοημοσύνης που να τρέχει εξ ολοκλήρου σε προσωπικές συσκευές.
Η κίνηση φέρνει μια εταιρεία κρυπτογράφησης σε μια απροσδόκητη θέση: ανταγωνίζεται τους παρόχους cloud AI με το επιχείρημα ότι τα φωνητικά δεδομένα είναι πολύ ευαίσθητα για να φύγουν από τη συσκευή. «Το μέλλον της τεχνητής νοημοσύνης δεν πρέπει να σημαίνει ότι δίνουμε στις κεντρικές πλατφόρμες μια πρώτη θέση στην προσωπική μας ζωή», δήλωσε ο CEO της Tether Paolo Ardoino στην ανακοίνωση. Περιέγραψε το TranscribePsy ως παράδειγμα αναγνώρισης ομιλίας που μπορεί να λειτουργήσει πλήρως σε προσωπικό υλικό, χωρίς εξάρτηση από κεντρική υποδομή. For more context on this story, see our ongoing AI news.
Αποτελέσματα συγκριτικής αξιολόγησης: Ταχύτερα από Whisper σε επεξεργαστές τηλεφώνου
Σύμφωνα με το crypto.news, το οποίο εξέτασε τη δημοσιευμένη αξιολόγηση της εταιρείας, η Tether δοκίμασε το μοντέλο σε έξι smartphone και βρήκε ότι έτρεχε 2,6 φορές πιο γρήγορα από το επόμενο ταχύτερο σύστημα που αξιολογήθηκε και 5,7 φορές πιο γρήγορα από το ανοιχτού κώδικα Whisper-small μοντέλο του OpenAI όταν εκτελείται σε επεξεργαστές τηλεφώνου. Στο iPhone, μια έκδοση βελτιστοποιημένη για Core ML απαιτούσε λιγότερο από το μισό χώρο στο δίσκο και 1,7 φορές λιγότερη μνήμη από ένα ανταγωνιστικό μοντέλο Core ML που περιλαμβάνεται στη σύγκριση.
Η ακρίβεια μετρήθηκε χρησιμοποιώντας το ποσοστό λάθους λέξης, την τυπική μέτρηση που μετράει πόσες λέξεις ένα σύστημα μεταγραφής έχει λάθος στο αρχικό προφορικό περιεχόμενο. Η Tether δημοσίευσε τις διαμορφώσεις αξιολόγησης παράλληλα με το μοντέλο, έτσι ώστε ανεξάρτητοι ερευνητές να μπορούν να αναπαράγουν τους αναφερόμενους αριθμούς - μια πρακτική διαφάνειας που παραμένει ασυνήθιστη μεταξύ των καταναλωτικών προμηθευτών τεχνητής νοημοσύνης.
Τέσσερις εκδόσεις για διαφορετικό υλικό
Το TranscribePsy αποστέλλεται σε τέσσερις εκδόσεις που στοχεύουν σε διαφορετικές κατηγορίες υλικού:
- Ένα μοντέλο φορητού υπολογιστή που υποστηρίζει 25 ευρωπαϊκές γλώσσες
- Μια μικρότερη διαμόρφωση που επικεντρώνεται σε οκτώ κοινώς χρησιμοποιούμενες γλώσσες
- Μια έκδοση GGUF που εκτελείται μέσω της μηχανής parakeet.cpp μέσα στο λογισμικό qvac-fabric-speech της Tether, για κινητές συσκευές
- Μια έκδοση Core ML βελτιστοποιημένη για το Neural Engine της Apple, που επιτρέπει σε συμβατά iPhone να μεταγράφουν χρησιμοποιώντας αποκλειστικό πυρίτιο
Τα μοντέλα έχουν σχεδιαστεί για να χειρίζονται συνεχή ήχο, παράγοντας κείμενο λίγο μετά τον εντοπισμό της ομιλίας. Η Tether λέει ότι το σύστημα θα μπορούσε να υποστηρίξει φωνητικά ελεγχόμενες εφαρμογές που ανταποκρίνονται χωρίς ποτέ να μεταδίδουν ηχογραφήσεις σε εξωτερικούς διακομιστές - μια σημαντική αξίωση για έξυπνα γυαλιά και φορητές συσκευές, όπου τα πάντα ανοιχτά μικρόφωνα έχουν εγείρει επίμονες ανησυχίες για το απόρρητο.
Μέρος μιας ευρύτερης ώθησης QVAC
Το TranscribePsy είναι η πιο πρόσφατη έκδοση στο πλαίσιο του έργου QVAC της Tether, το οποίο επεκτείνεται σταθερά έως το 2026. Τον Απρίλιο, η εταιρεία παρουσίασε το QVAC SDK, ένα κιτ ανάπτυξης ανοιχτού κώδικα για την εκτέλεση εφαρμογών AI σε iOS, Android, Windows, macOS και Linux, που καλύπτει τη δημιουργία κειμένου, την επεξεργασία ομιλίας, την αναγνώριση εικόνας και τη μετάφραση. Η εργαλειοθήκη είναι χτισμένη σε QVAC Fabric, μια προσαρμοσμένη έκδοση του llama.cpp, και χρησιμοποιεί την τεχνολογία Holepunch για τη διανομή μοντέλων peer-to-peer.
Νωρίτερα μέσα στο έτος, η Tether ενσωμάτωσε την εκπαίδευση BitNet LoRA στο QVAC Fabric, λέγοντας ότι είχε βελτιστοποιήσει μοντέλα έως και 3,8 δισεκατομμυρίων παραμέτρων σε καταναλωτικές συσκευές, συμπεριλαμβανομένων των Pixel 9, Galaxy S25 και iPhone 16, με δοκιμές που καλύπτουν μοντέλα έως και 13 δισεκατομμυρίων παραμέτρων στο iPhone 16. πλήρες αρχείο Wikipedia σε 100 κατανεμημένους κόμβους. Και τον Οκτώβριο του 2025, η εταιρεία κυκλοφόρησε το σύνολο δεδομένων QVAC Genesis I, 41 δισεκατομμύρια συνθετικά διακριτικά που στοχεύουν στην εκπαίδευση μοντέλων στα μαθηματικά, την επιστήμη και την τεχνική λογική.
Γιατί έχει σημασία
Ο αγώνας τεχνητής νοημοσύνης στη συσκευή έχει ενταθεί καθώς οι κατασκευαστές συσκευών αναζητούν λειτουργίες που λειτουργούν χωρίς συνδεσιμότητα και χωρίς δεδομένα να φεύγουν από το ακουστικό. Το Whisper παραμένει το πιο ευρέως διαδεδομένο μοντέλο ανοιχτής ομιλίας, αλλά δεν σχεδιάστηκε για την ισχύ μιας CPU τηλεφώνου, όπου τα ειδικά σχεδιασμένα μικρά μοντέλα έχουν χώρο να διαφοροποιηθούν. Οι αξιώσεις αναφοράς της Tether, εάν αντέχουν σε ανεξάρτητη αναπαραγωγή, θα έβαζαν το TranscribePsy στο μπροστινό μέρος αυτού του πακέτου.
Για την Tether, η στρατηγική είναι επίσης αντιστάθμιση. Η βασική δραστηριότητα της εταιρείας παραμένει το USDT stablecoin, αλλά η ηγεσία της έχει ξοδέψει το 2026 δημιουργώντας ένα χαρτοφυλάκιο τοπικών υποδομών AI - μοντέλα, SDK, σύνολα δεδομένων και διανομή peer-to-peer - που ευθυγραμμίζεται με το αποκεντρωμένο ήθος της βάσης χρηστών της, ενώ μειώνει την εξάρτηση από τον μικρό αριθμό των περισσότερων παρόχων AI που ελέγχουν αυτήν τη στιγμή.
Το αν ένας εκδότης stablecoin μπορεί να γίνει αξιόπιστος παίκτης στην ομιλία AI είναι ένα ανοιχτό ερώτημα. Αλλά με ένα δημοσιευμένο σημείο αναφοράς, αναπαραγώγιμες διαμορφώσεις και ένα λειτουργικό μοντέλο που εκτελείται στα τηλέφωνα που έχουν ήδη οι άνθρωποι, το TranscribePsy είναι μια πιο συγκεκριμένη έκδοση από τις περισσότερες ανακοινώσεις τεχνητής νοημοσύνης στη συσκευή — και ένα σημάδι ότι το πρώτο τμήμα της αγοράς τεχνητής νοημοσύνης για την προστασία του απορρήτου προσελκύει απίθανους νεοεισερχόμενους.
Το Trade-Off: Δυνατότητα έναντι ελέγχου
Τα μικρά μοντέλα στη συσκευή εξακολουθούν να ακολουθούν τα αντίστοιχα του cloud όσον αφορά την ακατέργαστη ακρίβεια, ιδιαίτερα στην έντονη ομιλία, τον θόρυβο φόντου και το εξειδικευμένο λεξιλόγιο. Αυτό που προσφέρουν σε αντάλλαγμα είναι δομικό: καμία εξάρτηση από το δίκτυο, κανένα κόστος API ανά μεταγραφή και κανένα τρίτο μέρος που κατέχει τον ήχο. Για φορητές συσκευές όπως τα έξυπνα γυαλιά, όπου ένα σύννεφο μετ' επιστροφής προσθέτει λανθάνουσα κατάσταση σε κάθε αλληλεπίδραση και ένα μικρόφωνο που ακούει πάντα είναι η ουσία του προϊόντος, η τοπική επεξεργασία είναι αναμφισβήτητα ο μόνος σχεδιασμός που κλιμακώνεται χωρίς αντίδραση απορρήτου.
Η Tether στοιχηματίζει ότι αυτή η αντιστάθμιση γέρνει περαιτέρω προς την τοπική επεξεργασία με κάθε γενιά υλικού. Οι νευρωνικοί κινητήρες στα τρέχοντα ναυαρχικά τηλέφωνα παρέχουν ήδη συμπεράσματα διψήφιων δισεκατομμυρίων παραμέτρων και τα μοντέλα της εμβέλειας των λίγων εκατοντάδων εκατομμυρίων - όπως το TranscribePsy - αφήνουν περιθώρια για μεγαλύτερο περιβάλλον, περισσότερες γλώσσες και συνεχή λειτουργία χωρίς να εξαντλούν την μπαταρία.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
