세계 최대 규모의 스테이블 코인을 개발한 회사인 Tether는 클라우드 서버에 오디오를 전송하지 않고 스마트폰, 스마트 안경 및 휴머노이드 로봇에서 직접 대화를 기록하는 2억 5400만 매개변수 음성 인식 모델인 TranscribePsy를 출시했습니다. 이번 주 회사의 QVAC 인공 지능 프로젝트의 일환으로 발표된 이번 출시는 Tether가 전적으로 개인 장치에서 실행되는 AI 소프트웨어 구축에 진지하다는 것을 보여주는 최신 신호입니다.
이러한 움직임으로 인해 암호화폐 회사는 예상치 못한 위치에 놓이게 되었습니다. 즉, 음성 데이터가 장치를 떠나기에는 너무 민감하다는 주장으로 클라우드 AI 제공업체와 경쟁하게 됩니다. 테더 CEO 파올로 아르도이노(Paolo Ardoino)는 발표에서 “AI의 미래는 중앙 집중식 플랫폼을 우리 개인 생활의 최전선에 두는 것을 의미해서는 안 된다”고 말했다. 그는 TranscribePsy를 중앙 집중식 인프라에 의존하지 않고 개인 하드웨어에서 완벽하게 작동할 수 있는 음성 인식의 예로 설명했습니다. 이 이야기에 대한 자세한 내용은 인공지능 뉴스를 참조하세요.
벤치마크 결과: 휴대폰 CPU에서 속삭이는 것보다 빠릅니다.
회사가 발표한 평가를 검토한 crypto.news에 따르면 Tether는 6개의 스마트폰에서 이 모델을 테스트한 결과 평가된 다음으로 빠른 시스템보다 2.6배 더 빠르게 실행되고, 전화 CPU에서 실행될 때 OpenAI의 오픈 소스 Whisper-small 모델보다 5.7배 더 빠르게 실행되는 것으로 나타났습니다. iPhone에서 Core ML 최적화 버전은 비교에 포함된 경쟁 Core ML 모델보다 절반 미만의 디스크 공간과 1.7배 더 적은 메모리를 필요로 했습니다.
정확성은 원래 음성 콘텐츠에 대해 전사 시스템이 얼마나 많은 단어를 잘못 입력했는지 계산하는 표준 측정항목인 단어 오류율을 사용하여 측정되었습니다. Tether는 독립적인 연구자들이 보고된 수치를 재현할 수 있도록 모델과 함께 평가 구성을 게시했습니다. 이는 소비자 AI 공급업체에서는 흔하지 않은 투명성 관행입니다.
다양한 하드웨어를 위한 4가지 버전
TranscribePsy는 다양한 하드웨어 클래스를 겨냥한 4가지 빌드로 제공됩니다.
- 25개 유럽 언어를 지원하는 노트북 모델
- 일반적으로 사용되는 8개 언어에 초점을 맞춘 더 작은 구성
- 모바일 장치용 Tether의 qvac-fabric-speech 소프트웨어 내부의 parakeet.cpp 엔진을 통해 실행되는 GGUF 버전
- Apple의 Neural Engine에 최적화된 Core ML 버전으로, 전용 실리콘을 사용하여 호환되는 iPhone에서 텍스트를 변환할 수 있습니다.
이 모델은 연속 오디오를 처리하여 음성이 감지된 직후 텍스트를 생성하도록 설계되었습니다. Tether는 이 시스템이 외부 서버에 녹음 내용을 전송하지 않고 응답하는 음성 제어 애플리케이션을 지원할 수 있다고 말합니다. 이는 상시 켜져 있는 마이크 때문에 지속적인 개인 정보 보호 문제가 제기되는 스마트 안경 및 웨어러블 장치에 대한 의미 있는 주장입니다.
더 광범위한 QVAC 추진의 일부
TranscribePsy는 2026년까지 꾸준히 확장된 Tether의 QVAC 프로젝트의 최신 릴리스입니다. 지난 4월 회사는 텍스트 생성, 음성 처리, 이미지 인식 및 번역을 다루는 iOS, Android, Windows, macOS 및 Linux에서 AI 애플리케이션을 실행하기 위한 오픈 소스 개발 툴킷인 QVAC SDK를 출시했습니다. 이 툴킷은 llama.cpp의 맞춤형 버전인 QVAC Fabric을 기반으로 구축되었으며 P2P 모델 배포를 위해 Holepunch 기술을 사용합니다.
올해 초 Tether는 BitNet LoRA 교육을 QVAC Fabric에 통합하여 Pixel 9, Galaxy S25 및 iPhone 16을 포함한 소비자 장치에서 최대 38억 개의 매개 변수 모델을 미세 조정했으며 iPhone 16에서 최대 130억 개의 매개 변수에 대한 테스트를 진행했다고 밝혔습니다. 지난 9월 Ardoino는 100개의 분산 노드에 걸쳐 전체 Wikipedia 아카이브를 저장한 P2P 검색 엔진에 대한 작업을 공개했습니다. 그리고 2025년 10월에 회사는 수학, 과학 및 기술 추론 분야의 모델 훈련을 목표로 하는 410억 개의 합성 토큰인 QVAC Genesis I 데이터세트를 출시했습니다.
중요한 이유
기기 제조업체가 연결 없이 작동하고 데이터가 핸드셋을 떠나지 않고도 작동하는 기능을 추구함에 따라 온디바이스 AI 경쟁이 더욱 심화되었습니다. Whisper는 여전히 가장 널리 배포된 개방형 음성 모델이지만 특수 목적으로 제작된 소형 모델이 차별화할 여지가 있는 전화 CPU의 전력 엔벨로프용으로 설계되지 않았습니다. Tether의 벤치마크 주장에 따르면 독립적인 복제를 유지한다면 TranscribePsy가 해당 팩의 선두에 놓이게 될 것입니다.
테더의 경우 전략은 헤지이기도 합니다. 회사의 핵심 비즈니스는 여전히 USDT 스테이블 코인이지만, 경영진은 현재 대부분의 AI 추론을 제어하는 소수의 클라우드 제공업체에 대한 의존도를 줄이면서 사용자 기반의 분산형 정신에 부합하는 로컬 우선 AI 인프라(모델, SDK, 데이터세트 및 P2P 배포) 포트폴리오를 구축하는 데 2026년을 보냈습니다.
스테이블코인 발행자가 음성 AI 분야에서 신뢰할 수 있는 플레이어가 될 수 있는지 여부는 공개된 질문입니다. 그러나 공개된 벤치마크, 재현 가능한 구성 및 사람들이 이미 소유한 휴대폰에서 실행되는 작업 모델을 갖춘 TranscribePsy는 대부분의 온디바이스 AI 발표보다 더 구체적인 릴리스이며 AI 시장의 개인 정보 보호 우선 부문이 예상치 못한 참가자를 끌어들이고 있다는 신호입니다.
절충: 기능 대 제어
소규모 온디바이스 모델은 특히 악센트가 있는 음성, 배경 소음 및 전문 어휘에 대한 원시 정확도에서 여전히 클라우드 대응 모델을 추적합니다. 그들이 교환으로 제공하는 것은 구조적입니다. 네트워크 종속성이 없고, 전사당 API 비용이 없으며, 오디오를 보유하는 제3자가 없습니다. 클라우드 왕복으로 인해 모든 상호 작용에 대기 시간이 추가되고 항상 청취하는 마이크가 제품의 핵심인 스마트 안경과 같은 웨어러블의 경우 로컬 처리는 개인 정보 보호에 대한 반발 없이 확장할 수 있는 유일한 디자인일 것입니다.
Tether는 이러한 균형이 모든 하드웨어 세대에서 로컬 처리 쪽으로 더욱 기울어질 것이라고 확신하고 있습니다. 현재 주력 휴대폰의 신경 엔진은 이미 두 자리 수 십억 매개변수 추론을 제공하고 있으며 TranscribePsy와 같은 수억 범위의 모델은 배터리 소모 없이 더 긴 컨텍스트, 더 많은 언어 및 상시 작동을 위한 여유 공간을 남겨둡니다.
---
AI 최신 소식최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.
AI 뉴스 더 보기 →
