दुनिया की सबसे बड़ी स्टेबलकॉइन बनाने वाली कंपनी टीथर ने 254 मिलियन-पैरामीटर स्पीच रिकग्निशन मॉडल ट्रांसक्राइबप्सी जारी किया है, जो क्लाउड सर्वर पर कोई ऑडियो भेजे बिना सीधे स्मार्टफोन, स्मार्ट ग्लास और ह्यूमनॉइड रोबोट पर बातचीत को ट्रांसक्रिप्ट करता है। कंपनी के QVAC कृत्रिम बुद्धिमत्ता प्रोजेक्ट के हिस्से के रूप में इस सप्ताह घोषित रिलीज, नवीनतम संकेत है कि टीथर एआई सॉफ्टवेयर बनाने के बारे में गंभीर है जो पूरी तरह से व्यक्तिगत उपकरणों पर चलता है।
यह कदम एक क्रिप्टो कंपनी को अप्रत्याशित स्थिति में डाल देता है: क्लाउड एआई प्रदाताओं के साथ इस तर्क पर प्रतिस्पर्धा करना कि वॉयस डेटा डिवाइस को छोड़ने के लिए बहुत संवेदनशील है। टीथर के सीईओ पाओलो अर्दोइनो ने घोषणा में कहा, "एआई के भविष्य का मतलब केंद्रीकृत प्लेटफार्मों को हमारे निजी जीवन में अग्रिम पंक्ति की सीट देना नहीं होना चाहिए।" उन्होंने ट्रांसक्राइबप्सी को वाक् पहचान का एक उदाहरण बताया जो केंद्रीकृत बुनियादी ढांचे पर निर्भरता के बिना पूरी तरह से व्यक्तिगत हार्डवेयर पर काम कर सकता है। For more context on this story, see our ongoing latest AI developments.
बेंचमार्क परिणाम: फ़ोन सीपीयू पर फुसफुसाहट से भी तेज़
क्रिप्टो.न्यूज के अनुसार, जिसने कंपनी के प्रकाशित मूल्यांकन की समीक्षा की, टीथर ने छह स्मार्टफोन में मॉडल का परीक्षण किया और पाया कि यह मूल्यांकन किए गए अगले सबसे तेज सिस्टम की तुलना में 2.6 गुना तेज चलता है, और फोन सीपीयू पर चलने पर ओपनएआई के ओपन-सोर्स व्हिस्पर-छोटे मॉडल की तुलना में 5.7 गुना तेज है। आईफोन पर, कोर एमएल-अनुकूलित संस्करण को तुलना में शामिल प्रतिस्पर्धी कोर एमएल मॉडल की तुलना में आधे से भी कम डिस्क स्थान और 1.7 गुना कम मेमोरी की आवश्यकता होती है।
सटीकता को शब्द त्रुटि दर का उपयोग करके मापा गया था, मानक मीट्रिक जो गणना करता है कि प्रतिलेखन प्रणाली मूल बोली जाने वाली सामग्री के मुकाबले कितने शब्द गलत हो जाती है। टीथर ने मॉडल के साथ मूल्यांकन कॉन्फ़िगरेशन प्रकाशित किया ताकि स्वतंत्र शोधकर्ता रिपोर्ट की गई संख्याओं को पुन: पेश कर सकें - एक पारदर्शिता अभ्यास जो उपभोक्ता एआई विक्रेताओं के बीच असामान्य है।
विभिन्न हार्डवेयर के लिए चार संस्करण
हार्डवेयर के विभिन्न वर्गों के उद्देश्य से चार बिल्ड में ट्रांसक्राइबप्सी जहाज:
- एक लैपटॉप मॉडल जो 25 यूरोपीय भाषाओं का समर्थन करता है
- एक छोटा कॉन्फ़िगरेशन आमतौर पर इस्तेमाल की जाने वाली आठ भाषाओं पर केंद्रित है
- एक जीजीयूएफ संस्करण जो मोबाइल उपकरणों के लिए टेदर के क्यूवीएसी-फैब्रिक-स्पीच सॉफ्टवेयर के अंदर पैराकीट.सीपीपी इंजन के माध्यम से चलता है।
- एक कोर एमएल संस्करण एप्पल के न्यूरल इंजन के लिए अनुकूलित है, जो संगत आईफ़ोन को समर्पित सिलिकॉन का उपयोग करके ट्रांसक्राइब करने देता है
मॉडल को निरंतर ऑडियो को संभालने के लिए डिज़ाइन किया गया है, भाषण का पता चलने के तुरंत बाद पाठ का उत्पादन किया जाता है। टीथर का कहना है कि सिस्टम आवाज-नियंत्रित अनुप्रयोगों का समर्थन कर सकता है जो रिकॉर्डिंग को बाहरी सर्वर पर प्रसारित किए बिना प्रतिक्रिया देता है - स्मार्ट ग्लास और पहनने योग्य उपकरणों के लिए एक सार्थक दावा, जहां हमेशा चालू माइक्रोफोन ने लगातार गोपनीयता संबंधी चिंताओं को उठाया है।
व्यापक QVAC पुश का हिस्सा
ट्रांसक्राइबप्सी टीथर के क्यूवीएसी प्रोजेक्ट के तहत नवीनतम रिलीज है, जिसका 2026 तक लगातार विस्तार हुआ है। अप्रैल में, कंपनी ने क्यूवीएसी एसडीके पेश किया, जो आईओएस, एंड्रॉइड, विंडोज, मैकओएस और लिनक्स पर एआई एप्लिकेशन चलाने के लिए एक ओपन-सोर्स डेवलपमेंट टूलकिट है, जो टेक्स्ट जेनरेशन, स्पीच प्रोसेसिंग, इमेज रिकग्निशन और ट्रांसलेशन को कवर करता है। टूलकिट QVAC फैब्रिक पर बनाया गया है, जो llama.cpp का एक अनुकूलित संस्करण है, और पीयर-टू-पीयर मॉडल वितरण के लिए होलपंच तकनीक का उपयोग करता है।
वर्ष की शुरुआत में, टीथर ने QVAC फैब्रिक में BitNet LoRA प्रशिक्षण को एकीकृत किया था, जिसमें कहा गया था कि उसके पास Pixel 9, Galaxy S25 और iPhone 16 सहित उपभोक्ता उपकरणों पर 3.8 बिलियन पैरामीटर तक के फाइन-ट्यून मॉडल हैं, जिसमें iPhone 16 पर 13 बिलियन पैरामीटर तक के मॉडल को कवर करने वाले परीक्षण हैं। सितंबर में, अर्दोइनो ने एक पीयर-टू-पीयर सर्च इंजन पर काम का खुलासा किया, जिसने 100 वितरित नोड्स में पूर्ण विकिपीडिया संग्रह को संग्रहीत किया है। और अक्टूबर 2025 में, कंपनी ने गणित, विज्ञान और तकनीकी तर्क में प्रशिक्षण मॉडल के उद्देश्य से QVAC जेनेसिस I डेटासेट, 41 बिलियन सिंथेटिक टोकन जारी किया।
यह क्यों मायने रखता है
ऑन-डिवाइस एआई की दौड़ तेज हो गई है क्योंकि डिवाइस निर्माता ऐसी सुविधाओं की तलाश कर रहे हैं जो कनेक्टिविटी के बिना और हैंडसेट को छोड़े बिना डेटा के साथ काम करती हैं। व्हिस्पर सबसे व्यापक रूप से तैनात ओपन स्पीच मॉडल बना हुआ है, लेकिन इसे फोन सीपीयू के पावर लिफाफे के लिए डिज़ाइन नहीं किया गया था, जहां उद्देश्य से निर्मित छोटे मॉडल में अंतर करने के लिए जगह होती है। टेदर के बेंचमार्क का दावा है, अगर वे स्वतंत्र प्रतिकृति पर टिके रहते हैं, तो ट्रांसक्राइबप्सी को उस पैक में सबसे आगे रखा जाएगा।
टीथर के लिए, रणनीति एक बचाव भी है। कंपनी का मुख्य व्यवसाय यूएसडीटी स्थिर मुद्रा बना हुआ है, लेकिन इसके नेतृत्व ने स्थानीय-प्रथम एआई बुनियादी ढांचे - मॉडल, एसडीके, डेटासेट और पीयर-टू-पीयर वितरण का एक पोर्टफोलियो बनाने में 2026 खर्च किया है - जो अपने उपयोगकर्ता आधार के विकेन्द्रीकृत लोकाचार के साथ संरेखित होता है, जबकि कम संख्या में क्लाउड प्रदाताओं पर निर्भरता को कम करता है जो वर्तमान में अधिकांश एआई अनुमान को नियंत्रित करते हैं।
क्या एक स्थिर मुद्रा जारीकर्ता स्पीच एआई में एक विश्वसनीय खिलाड़ी बन सकता है, यह एक खुला प्रश्न है। लेकिन एक प्रकाशित बेंचमार्क, प्रतिलिपि प्रस्तुत करने योग्य कॉन्फ़िगरेशन और एक कामकाजी मॉडल के साथ जो लोगों के पास पहले से मौजूद फोन पर चलता है, ट्रांसक्राइबप्सी अधिकांश ऑन-डिवाइस एआई घोषणाओं की तुलना में अधिक ठोस रिलीज है - और एक संकेत है कि एआई बाजार का गोपनीयता-पहला खंड अप्रत्याशित प्रवेशकों को आकर्षित कर रहा है।
व्यापार-बंद: क्षमता बनाम नियंत्रण
छोटे ऑन-डिवाइस मॉडल अभी भी अपने क्लाउड समकक्षों को कच्ची सटीकता, विशेष रूप से उच्चारण भाषण, पृष्ठभूमि शोर और विशेष शब्दावली पर पीछे छोड़ते हैं। बदले में वे जो पेशकश करते हैं वह संरचनात्मक है: कोई नेटवर्क निर्भरता नहीं, कोई प्रति-प्रतिलेखन एपीआई लागत नहीं, और ऑडियो रखने वाला कोई तीसरा पक्ष नहीं है। स्मार्ट ग्लास जैसे पहनने योग्य उपकरणों के लिए, जहां क्लाउड राउंड-ट्रिप हर इंटरैक्शन में विलंबता जोड़ती है और हमेशा सुनने वाला माइक्रोफ़ोन उत्पाद का संपूर्ण बिंदु होता है, स्थानीय प्रसंस्करण यकीनन एकमात्र डिज़ाइन है जो गोपनीयता प्रतिक्रिया के बिना स्केल करता है।
टीथर यह शर्त लगा रहा है कि यह समझौता प्रत्येक हार्डवेयर पीढ़ी के साथ स्थानीय प्रसंस्करण की ओर झुकता है। वर्तमान फ्लैगशिप फोन में न्यूरल इंजन पहले से ही दोहरे अंक-अरब-पैरामीटर अनुमान प्रदान करते हैं, और कुछ सौ मिलियन रेंज में मॉडल - जैसे ट्रांसक्राइबप्सी - बैटरी को खत्म किए बिना लंबे संदर्भ, अधिक भाषाओं और हमेशा चालू संचालन के लिए हेडरूम छोड़ते हैं।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
