Tether, perusahaan di balik stablecoin terbesar di dunia, telah merilis TranscribePsy, model pengenalan suara dengan 254 juta parameter yang mentranskripsikan percakapan langsung di ponsel cerdas, kacamata pintar, dan robot humanoid tanpa mengirimkan audio apa pun ke server cloud. Rilis tersebut, yang diumumkan minggu ini sebagai bagian dari proyek kecerdasan buatan QVAC perusahaan, adalah tanda terbaru bahwa Tether serius dalam membangun perangkat lunak AI yang sepenuhnya berjalan pada perangkat pribadi.
Langkah ini menempatkan perusahaan kripto pada posisi yang tidak terduga: bersaing dengan penyedia cloud AI dengan argumen bahwa data suara terlalu sensitif untuk dikeluarkan dari perangkat. “Masa depan AI tidak berarti memberikan platform terpusat sebagai prioritas utama dalam kehidupan pribadi kita,” kata CEO Tether Paolo Ardoino dalam pengumumannya. Dia menggambarkan TranscribePsy sebagai contoh pengenalan suara yang dapat beroperasi sepenuhnya pada perangkat keras pribadi, tanpa ketergantungan pada infrastruktur terpusat. For more context on this story, see our ongoing breaking AI news.
Hasil Tolok Ukur: Lebih Cepat Dari Bisikan pada CPU Ponsel
Menurut crypto.news, yang meninjau evaluasi yang diterbitkan perusahaan, Tether menguji model tersebut di enam ponsel cerdas dan menemukan bahwa model tersebut berjalan 2,6 kali lebih cepat daripada sistem tercepat berikutnya yang dievaluasi, dan 5,7 kali lebih cepat daripada model Whisper-small open-source OpenAI saat dijalankan pada CPU ponsel. Di iPhone, versi Core ML yang dioptimalkan memerlukan kurang dari setengah ruang disk dan memori 1,7 kali lebih sedikit dibandingkan model Core ML pesaing yang disertakan dalam perbandingan.
Akurasi diukur menggunakan tingkat kesalahan kata, metrik standar yang menghitung berapa banyak kata yang salah dalam sistem transkripsi dibandingkan dengan konten lisan asli. Tether menerbitkan konfigurasi evaluasi bersama model sehingga peneliti independen dapat mereproduksi angka yang dilaporkan – sebuah praktik transparansi yang masih jarang terjadi di kalangan vendor AI konsumen.
Empat Versi untuk Perangkat Keras Berbeda
TranscribePsy dikirimkan dalam empat versi yang ditujukan untuk berbagai kelas perangkat keras:
- model laptop yang mendukung 25 bahasa Eropa
- Konfigurasi yang lebih kecil berfokus pada delapan bahasa yang umum digunakan
- Versi GGUF yang berjalan melalui mesin parkit.cpp di dalam perangkat lunak qvac-fabric-speech Tether, untuk perangkat seluler
- Versi Core ML yang dioptimalkan untuk Neural Engine Apple, memungkinkan iPhone yang kompatibel melakukan transkripsi menggunakan silikon khusus
Model ini dirancang untuk menangani audio berkelanjutan, menghasilkan teks segera setelah ucapan terdeteksi. Tether mengatakan sistem tersebut dapat mendukung aplikasi yang dikontrol suara yang merespons tanpa pernah mengirimkan rekaman ke server eksternal – sebuah klaim yang berarti untuk kacamata pintar dan perangkat yang dapat dikenakan, di mana mikrofon yang selalu aktif telah menimbulkan masalah privasi yang terus-menerus.
Bagian dari Dorongan QVAC yang Lebih Luas
TranscribePsy adalah rilis terbaru di bawah proyek QVAC Tether, yang terus berkembang hingga tahun 2026. Pada bulan April, perusahaan tersebut memperkenalkan QVAC SDK, perangkat pengembangan sumber terbuka untuk menjalankan aplikasi AI di iOS, Android, Windows, macOS, dan Linux, yang mencakup pembuatan teks, pemrosesan ucapan, pengenalan gambar, dan terjemahan. Toolkit ini dibuat di QVAC Fabric, versi llama.cpp yang disesuaikan, dan menggunakan teknologi Holepunch untuk distribusi model peer-to-peer.
Awal tahun ini, Tether mengintegrasikan pelatihan BitNet LoRA ke dalam QVAC Fabric, dan mengatakan bahwa mereka telah menyempurnakan model hingga 3,8 miliar parameter pada perangkat konsumen termasuk Pixel 9, Galaxy S25, dan iPhone 16, dengan pengujian yang mencakup model hingga 13 miliar parameter pada iPhone 16. Pada bulan September, Ardoino mengungkapkan pekerjaan pada mesin pencari peer-to-peer yang telah menyimpan arsip Wikipedia lengkap di 100 node yang didistribusikan. Dan pada bulan Oktober 2025, perusahaan merilis kumpulan data QVAC Genesis I, 41 miliar token sintetis yang ditujukan untuk melatih model dalam matematika, sains, dan penalaran teknis.
Mengapa Itu Penting
Persaingan AI pada perangkat semakin intensif seiring para pembuat perangkat mencari fitur yang berfungsi tanpa konektivitas dan tanpa data keluar dari ponsel. Whisper tetap menjadi model pidato terbuka yang paling banyak digunakan, namun tidak dirancang untuk daya yang dimiliki CPU ponsel, sehingga model kecil yang dibuat khusus memiliki ruang untuk membedakannya. Klaim benchmark Tether, jika mereka mampu melakukan replikasi independen, akan menempatkan TranscribePsy di posisi terdepan.
Bagi Tether, strateginya juga merupakan lindung nilai. Bisnis inti perusahaan tetap berupa stablecoin USDT, namun kepemimpinannya telah menghabiskan tahun 2026 membangun portofolio infrastruktur AI lokal pertama – model, SDK, kumpulan data, dan distribusi peer-to-peer – yang selaras dengan etos desentralisasi basis penggunanya sekaligus mengurangi ketergantungan pada sejumlah kecil penyedia cloud yang saat ini mengendalikan sebagian besar inferensi AI.
Apakah penerbit stablecoin dapat menjadi pemain yang kredibel dalam bidang AI pidato adalah pertanyaan terbuka. Namun dengan tolok ukur yang dipublikasikan, konfigurasi yang dapat direproduksi, dan model kerja yang berjalan pada ponsel yang sudah dimiliki orang, TranscribePsy adalah rilis yang lebih konkrit dibandingkan kebanyakan pengumuman AI pada perangkat — dan sebuah tanda bahwa segmen pasar AI yang mengutamakan privasi sedang menarik pendatang baru.
Pertukaran: Kemampuan versus Kontrol
Model kecil di perangkat masih tertinggal dibandingkan model cloud dalam hal akurasi mentah, khususnya pada ucapan beraksen, kebisingan latar belakang, dan kosa kata khusus. Apa yang mereka tawarkan sebagai imbalan bersifat struktural: tidak ada ketergantungan jaringan, tidak ada biaya API per transkripsi, dan tidak ada pihak ketiga yang memegang audio. Untuk perangkat yang dapat dikenakan seperti kacamata pintar, dengan cloud bolak-balik yang menambah latensi pada setiap interaksi dan mikrofon yang selalu mendengarkan adalah inti dari produk, pemrosesan lokal bisa dibilang merupakan satu-satunya desain yang dapat diskalakan tanpa dampak negatif terhadap privasi.
Tether bertaruh bahwa trade-off ini lebih condong ke arah pemrosesan lokal pada setiap generasi perangkat keras. Mesin saraf pada ponsel andalan saat ini sudah menghasilkan inferensi dua digit miliar parameter, dan model dalam kisaran beberapa ratus juta — seperti TranscribePsy — memberikan ruang untuk konteks yang lebih panjang, lebih banyak bahasa, dan pengoperasian yang selalu aktif tanpa menguras baterai.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
