Tether, la compañía detrás de la moneda estable más grande del mundo, lanzó TranscribePsy, un modelo de reconocimiento de voz de 254 millones de parámetros que transcribe conversaciones directamente en teléfonos inteligentes, gafas inteligentes y robots humanoides sin enviar ningún audio a servidores en la nube. El lanzamiento, anunciado esta semana como parte del proyecto de inteligencia artificial QVAC de la compañía, es la última señal de que Tether se toma en serio la creación de software de inteligencia artificial que se ejecute completamente en dispositivos personales.

La medida coloca a una empresa de criptomonedas en una posición inesperada: competir con proveedores de inteligencia artificial en la nube con el argumento de que los datos de voz son demasiado sensibles para salir del dispositivo. "El futuro de la IA no debería significar darle a las plataformas centralizadas un asiento de primera fila en nuestras vidas personales", dijo en el anuncio el director ejecutivo de Tether, Paolo Ardoino. Describió TranscribePsy como un ejemplo de reconocimiento de voz que puede funcionar completamente en hardware personal, sin depender de una infraestructura centralizada. Para más contexto sobre esta historia, consulta nuestra actualidad de inteligencia artificial.

Resultados de las pruebas comparativas: más rápido que Whisper en las CPU de los teléfonos

Según crypto.news, que revisó la evaluación publicada por la compañía, Tether probó el modelo en seis teléfonos inteligentes y descubrió que funcionaba 2,6 veces más rápido que el siguiente sistema más rápido evaluado, y 5,7 veces más rápido que el modelo Whisper-small de código abierto de OpenAI cuando se ejecuta en CPU de teléfonos. En el iPhone, una versión optimizada para Core ML requería menos de la mitad de espacio en disco y 1,7 veces menos memoria que un modelo Core ML de la competencia incluido en la comparación.

La precisión se midió utilizando la tasa de error de palabras, la métrica estándar que cuenta cuántas palabras se equivoca un sistema de transcripción con respecto al contenido hablado original. Tether publicó las configuraciones de evaluación junto con el modelo para que investigadores independientes puedan reproducir las cifras informadas, una práctica de transparencia que sigue siendo poco común entre los proveedores de IA para consumidores.

Cuatro versiones para diferentes hardware

TranscribePsy se entrega en cuatro versiones destinadas a diferentes clases de hardware:

  • Un modelo de computadora portátil compatible con 25 idiomas europeos
  • Una configuración más pequeña centrada en ocho idiomas de uso común
  • Una versión GGUF que se ejecuta a través del motor parakeet.cpp dentro del software qvac-fabric-speech de Tether, para dispositivos móviles
  • Una versión Core ML optimizada para Neural Engine de Apple, que permite que los iPhone compatibles transcriban usando silicio dedicado

Los modelos están diseñados para manejar audio continuo y producir texto poco después de que se detecta la voz. Tether dice que el sistema podría admitir aplicaciones controladas por voz que respondan sin siquiera transmitir grabaciones a servidores externos, una afirmación significativa para las gafas inteligentes y los dispositivos portátiles, donde los micrófonos siempre encendidos han planteado preocupaciones persistentes sobre la privacidad.

Parte de un impulso QVAC más amplio

TranscribePsy es la última versión del proyecto QVAC de Tether, que se ha expandido constantemente hasta 2026. En abril, la compañía presentó QVAC SDK, un conjunto de herramientas de desarrollo de código abierto para ejecutar aplicaciones de inteligencia artificial en iOS, Android, Windows, macOS y Linux, que cubre generación de texto, procesamiento de voz, reconocimiento de imágenes y traducción. El conjunto de herramientas se basa en QVAC Fabric, una versión personalizada de llama.cpp, y utiliza la tecnología Holepunch para la distribución de modelos de igual a igual.

A principios de año, Tether integró el entrenamiento BitNet LoRA en QVAC Fabric, diciendo que había ajustado modelos de hasta 3.8 mil millones de parámetros en dispositivos de consumo, incluidos Pixel 9, Galaxy S25 y iPhone 16, con pruebas que abarcaban modelos de hasta 13 mil millones de parámetros en el iPhone 16. En septiembre, Ardoino reveló el trabajo en un motor de búsqueda de igual a igual que ha almacenado el archivo completo de Wikipedia en 100 nodos distribuidos. Y en octubre de 2025, la compañía lanzó el conjunto de datos QVAC Genesis I, 41 mil millones de tokens sintéticos destinados a entrenar modelos en matemáticas, ciencia y razonamiento técnico.

Por qué es importante

La carrera de la IA en los dispositivos se ha intensificado a medida que los fabricantes de dispositivos buscan funciones que funcionen sin conectividad y sin que los datos salgan del teléfono. Whisper sigue siendo el modelo de voz abierta más utilizado, pero no fue diseñado para la potencia de la CPU de un teléfono, que es donde los modelos pequeños especialmente diseñados tienen espacio para diferenciarse. Las afirmaciones de referencia de Tether, si resisten la replicación independiente, colocarían a TranscribePsy al frente de ese grupo.

Para Tether, la estrategia también es una cobertura. El negocio principal de la compañía sigue siendo la moneda estable USDT, pero su liderazgo ha pasado 2026 construyendo una cartera de infraestructura de IA local (modelos, SDK, conjuntos de datos y distribución entre pares) que se alinea con el espíritu descentralizado de su base de usuarios y al mismo tiempo reduce la dependencia del pequeño número de proveedores de nube que actualmente controlan la mayor parte de la inferencia de IA.

Si un emisor de moneda estable puede convertirse en un actor creíble en la IA del habla es una cuestión abierta. Pero con un punto de referencia publicado, configuraciones reproducibles y un modelo funcional que se ejecuta en los teléfonos que la gente ya posee, TranscribePsy es un lanzamiento más concreto que la mayoría de los anuncios de IA en dispositivos, y una señal de que el segmento del mercado de IA que prioriza la privacidad está atrayendo a participantes poco probables.

La compensación: capacidad versus control

Los modelos pequeños en dispositivos todavía están por detrás de sus homólogos en la nube en cuanto a precisión bruta, particularmente en habla con acento, ruido de fondo y vocabulario especializado. Lo que ofrecen a cambio es estructural: sin dependencia de la red, sin costo de API por transcripción y sin terceros que retengan el audio. Para dispositivos portátiles como las gafas inteligentes, donde un viaje de ida y vuelta a la nube agrega latencia a cada interacción y un micrófono siempre escuchando es el objetivo principal del producto, el procesamiento local es posiblemente el único diseño que escala sin una reacción negativa a la privacidad.

Tether apuesta a que esta compensación se incline aún más hacia el procesamiento local con cada generación de hardware. Los motores neuronales de los teléfonos insignia actuales ya ofrecen inferencias de dos dígitos mil millones de parámetros, y los modelos en el rango de unos pocos cientos de millones, como TranscribePsy, dejan espacio para un contexto más extenso, más idiomas y un funcionamiento siempre activo sin agotar la batería.

---

Mantente al Día con la IA

Las últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.

Leer más noticias de IA →