Tether, la società dietro la stablecoin più grande del mondo, ha rilasciato TranscribePsy, un modello di riconoscimento vocale da 254 milioni di parametri che trascrive le conversazioni direttamente su smartphone, occhiali intelligenti e robot umanoidi senza inviare alcun audio ai server cloud. Il rilascio, annunciato questa settimana come parte del progetto di intelligenza artificiale QVAC dell'azienda, è l'ultimo segnale che Tether è seriamente intenzionata a creare software AI che funzioni interamente su dispositivi personali.

La mossa mette una società di criptovaluta in una posizione inaspettata: competere con i fornitori di intelligenza artificiale cloud sulla base del fatto che i dati vocali sono troppo sensibili per lasciare il dispositivo. "Il futuro dell'intelligenza artificiale non dovrebbe significare dare alle piattaforme centralizzate un posto in prima fila nella nostra vita personale", ha affermato nell'annuncio il CEO di Tether, Paolo Ardoino. Ha descritto TranscribePsy come un esempio di riconoscimento vocale che può funzionare completamente su hardware personale, senza dipendenza da un'infrastruttura centralizzata. Per maggiori informazioni su questa storia, consulta la nostra notizie sull'IA.

Risultati benchmark: più veloce di Whisper sulle CPU dei telefoni

Secondo crypto.news, che ha esaminato la valutazione pubblicata dall'azienda, Tether ha testato il modello su sei smartphone e ha scoperto che funzionava 2,6 volte più velocemente del successivo sistema più veloce valutato e 5,7 volte più veloce del modello open source Whisper-small di OpenAI quando veniva eseguito sulle CPU dei telefoni. Sull'iPhone, una versione ottimizzata per Core ML richiedeva meno della metà dello spazio su disco e 1,7 volte meno di memoria rispetto al modello Core ML concorrente incluso nel confronto.

La precisione è stata misurata utilizzando il tasso di errore delle parole, la metrica standard che conta quante parole un sistema di trascrizione sbaglia rispetto al contenuto parlato originale. Tether ha pubblicato le configurazioni di valutazione insieme al modello in modo che ricercatori indipendenti possano riprodurre i numeri riportati, una pratica di trasparenza che rimane rara tra i fornitori di IA consumer.

Quattro versioni per hardware diverso

TranscribePsy viene fornito in quattro build destinate a diverse classi di hardware:

  • Un modello di laptop che supporta 25 lingue europee
  • Una configurazione più piccola focalizzata su otto lingue comunemente utilizzate
  • Una versione GGUF che funziona attraverso il motore parakeet.cpp all'interno del software qvac-fabric-speech di Tether, per dispositivi mobili
  • Una versione Core ML ottimizzata per il Neural Engine di Apple, che consente agli iPhone compatibili di trascrivere utilizzando silicio dedicato

I modelli sono progettati per gestire l'audio continuo, producendo testo subito dopo il rilevamento del parlato. Tether afferma che il sistema potrebbe supportare applicazioni a controllo vocale che rispondono senza mai trasmettere le registrazioni a server esterni: un’affermazione significativa per gli occhiali intelligenti e i dispositivi indossabili, dove i microfoni sempre attivi hanno sollevato persistenti preoccupazioni sulla privacy.

Parte di una più ampia spinta QVAC

TranscribePsy è l'ultima versione del progetto QVAC di Tether, che si è espanso costantemente fino al 2026. Ad aprile, l'azienda ha introdotto QVAC SDK, un toolkit di sviluppo open source per l'esecuzione di applicazioni AI su iOS, Android, Windows, macOS e Linux, che copre la generazione di testo, l'elaborazione vocale, il riconoscimento delle immagini e la traduzione. Il toolkit è basato su QVAC Fabric, una versione personalizzata di llama.cpp, e utilizza la tecnologia Holepunch per la distribuzione del modello peer-to-peer.

All'inizio dell'anno, Tether ha integrato la formazione BitNet LoRA in QVAC Fabric, affermando di aver messo a punto modelli fino a 3,8 miliardi di parametri su dispositivi consumer tra cui Pixel 9, Galaxy S25 e iPhone 16, con test che coprivano modelli fino a 13 miliardi di parametri su iPhone 16. A settembre, Ardoino ha rivelato il lavoro su un motore di ricerca peer-to-peer che ha archiviato l'intero archivio Wikipedia su 100 nodi distribuiti. E nell’ottobre 2025, la società ha rilasciato il set di dati QVAC Genesis I, 41 miliardi di token sintetici finalizzati all’addestramento di modelli in matematica, scienze e ragionamento tecnico.

Perché è importante

La corsa all’intelligenza artificiale sui dispositivi si è intensificata poiché i produttori di dispositivi cercano funzionalità che funzionino senza connettività e senza che i dati lascino il telefono. Whisper rimane il modello di sintesi vocale più diffuso, ma non è stato progettato per la potenza della CPU di un telefono, dove i piccoli modelli appositamente realizzati hanno spazio per differenziarsi. Le affermazioni sui benchmark di Tether, se reggessero alla replica indipendente, metterebbero TranscribePsy in prima linea.

Per Tether la strategia è anche una copertura. Il core business dell'azienda rimane la stablecoin USDT, ma la sua leadership ha trascorso il 2026 a costruire un portafoglio di infrastrutture AI local-first (modelli, SDK, set di dati e distribuzione peer-to-peer) che si allinei con l'etica decentralizzata della sua base di utenti riducendo al contempo la dipendenza dal piccolo numero di fornitori di servizi cloud che attualmente controllano la maggior parte dell'inferenza dell'IA.

Se un emittente di stablecoin possa diventare un attore credibile nell’intelligenza artificiale vocale è una questione aperta. Ma con un benchmark pubblicato, configurazioni riproducibili e un modello di lavoro che funziona sui telefoni che le persone già possiedono, TranscribePsy è una versione più concreta rispetto alla maggior parte degli annunci di intelligenza artificiale sul dispositivo – e un segno che il segmento del mercato dell’intelligenza artificiale incentrato sulla privacy sta attirando improbabili concorrenti.

Il compromesso: capacità contro controllo

I piccoli modelli on-device continuano a seguire le loro controparti cloud in termini di precisione pura, in particolare su parlato accentato, rumore di fondo e vocabolario specializzato. Ciò che offrono in cambio è strutturale: nessuna dipendenza dalla rete, nessun costo API per trascrizione e nessuna terza parte che detiene l'audio. Per i dispositivi indossabili come gli occhiali intelligenti, in cui un viaggio di andata e ritorno nel cloud aggiunge latenza a ogni interazione e un microfono sempre in ascolto è il punto centrale del prodotto, l'elaborazione locale è probabilmente l'unico design che si adatta senza problemi di privacy.

Tether scommette che questo compromesso si orienta ulteriormente verso l’elaborazione locale con ogni generazione di hardware. I motori neurali negli attuali telefoni di punta forniscono già inferenza di miliardi di parametri a due cifre e i modelli nella gamma di poche centinaia di milioni, come TranscribePsy, lasciano spazio per contesti più lunghi, più lingue e funzionamento sempre attivo senza scaricare la batteria.

---

Rimani Aggiornato sull'IA

Le ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.

Leggi altre notizie sull'IA →