Tether, het bedrijf achter 's werelds grootste stablecoin, heeft TranscribePsy uitgebracht, een spraakherkenningsmodel met 254 miljoen parameters dat gesprekken rechtstreeks op smartphones, slimme brillen en mensachtige robots transcribeert zonder audio naar cloudservers te sturen. De release, deze week aangekondigd als onderdeel van het QVAC-project voor kunstmatige intelligentie van het bedrijf, is het nieuwste teken dat Tether serieus bezig is met het bouwen van AI-software die volledig op persoonlijke apparaten draait.

Deze stap plaatst een cryptobedrijf in een onverwachte positie: het concurreert met cloud-AI-providers op basis van het argument dat spraakgegevens te gevoelig zijn om het apparaat te verlaten. “De toekomst van AI mag niet betekenen dat gecentraliseerde platforms een plaats op de eerste rij moeten krijgen in ons persoonlijke leven”, zei Paolo Ardoino, CEO van Tether, in de aankondiging. Hij beschreef TranscribePsy als een voorbeeld van spraakherkenning die volledig op persoonlijke hardware kan werken, zonder afhankelijkheid van een gecentraliseerde infrastructuur. Voor meer context over dit verhaal, zie ons meer AI-verhalen.

Benchmarkresultaten: sneller dan fluisteren op telefoon-CPU's

Volgens crypto.news, waarin de gepubliceerde evaluatie van het bedrijf werd beoordeeld, testte Tether het model op zes smartphones en ontdekte dat het 2,6 keer sneller werkte dan het volgende snelste geëvalueerde systeem, en 5,7 keer sneller dan OpenAI's open-source Whisper-small-model op telefoon-CPU's. Op de iPhone had een voor Core ML geoptimaliseerde versie minder dan de helft van de schijfruimte en 1,7 keer minder geheugen nodig dan een concurrerend Core ML-model dat in de vergelijking was opgenomen.

De nauwkeurigheid werd gemeten met behulp van het woordfoutpercentage, de standaardstatistiek die telt hoeveel woorden een transcriptiesysteem fout heeft ten opzichte van de origineel gesproken inhoud. Tether publiceerde de evaluatieconfiguraties naast het model, zodat onafhankelijke onderzoekers de gerapporteerde cijfers kunnen reproduceren – een transparantiepraktijk die ongebruikelijk blijft onder consumenten-AI-leveranciers.

Vier versies voor verschillende hardware

TranscribePsy wordt geleverd in vier builds gericht op verschillende hardwareklassen:

  • Een laptopmodel dat 25 Europese talen ondersteunt
  • Een kleinere configuratie gericht op acht veelgebruikte talen
  • Een GGUF-versie die via de parakeet.cpp-engine in de qvac-fabric-speech-software van Tether loopt, voor mobiele apparaten
  • Een Core ML-versie geoptimaliseerd voor de Neural Engine van Apple, waardoor compatibele iPhones kunnen transcriberen met speciaal silicium

De modellen zijn ontworpen voor continue audio en produceren tekst kort nadat spraak is gedetecteerd. Tether zegt dat het systeem stemgestuurde applicaties zou kunnen ondersteunen die reageren zonder ooit opnames naar externe servers te verzenden – een betekenisvolle claim voor slimme brillen en draagbare apparaten, waar altijd ingeschakelde microfoons aanhoudende privacyproblemen hebben veroorzaakt.

Onderdeel van een bredere QVAC-push

TranscribePsy is de nieuwste release onder het QVAC-project van Tether, dat zich in 2026 gestaag heeft uitgebreid. In april introduceerde het bedrijf de QVAC SDK, een open-source ontwikkelingstoolkit voor het uitvoeren van AI-applicaties op iOS, Android, Windows, macOS en Linux, waaronder het genereren van tekst, spraakverwerking, beeldherkenning en vertaling. De toolkit is gebouwd op QVAC Fabric, een aangepaste versie van llama.cpp, en maakt gebruik van Holepunch-technologie voor peer-to-peer-modeldistributie.

Eerder dit jaar integreerde Tether BitNet LoRA-training in QVAC Fabric en zei dat het modellen tot 3,8 miljard parameters had verfijnd op consumentenapparaten, waaronder de Pixel 9, Galaxy S25 en iPhone 16, met tests die modellen tot 13 miljard parameters op de iPhone 16 bestreken. In september onthulde Ardoino werk aan een peer-to-peer-zoekmachine die het volledige Wikipedia-archief op 100 gedistribueerde knooppunten heeft opgeslagen. En in oktober 2025 bracht het bedrijf de QVAC Genesis I-dataset uit, 41 miljard synthetische tokens gericht op het trainen van modellen in wiskunde, wetenschap en technisch redeneren.

Waarom het ertoe doet

De AI-race op apparaten is heviger geworden nu apparaatfabrikanten op zoek zijn naar functies die werken zonder connectiviteit en zonder dat gegevens de handset verlaten. Whisper blijft het meest gebruikte open spraakmodel, maar het is niet ontworpen voor het stroombereik van de CPU van een telefoon, waar speciaal gebouwde kleine modellen ruimte hebben om zich te onderscheiden. De benchmarkclaims van Tether zouden, als ze onafhankelijke replicatie volhouden, TranscribePsy aan de voorkant van dat pakket plaatsen.

Voor Tether is de strategie ook een hedge. De kernactiviteit van het bedrijf blijft de USDT stablecoin, maar het leiderschap heeft in 2026 besteed aan het opbouwen van een portfolio van local-first AI-infrastructuur – modellen, SDK’s, datasets en peer-to-peer distributie – die aansluit bij het gedecentraliseerde ethos van zijn gebruikersbestand en tegelijkertijd de afhankelijkheid vermindert van het kleine aantal cloudproviders dat momenteel de meeste AI-gevolgtrekkingen beheerst.

Of een uitgever van stablecoin een geloofwaardige speler kan worden op het gebied van spraak-AI is een open vraag. Maar met een gepubliceerde benchmark, reproduceerbare configuraties en een werkend model dat draait op de telefoons die mensen al bezitten, is TranscribePsy een concretere release dan de meeste AI-aankondigingen op apparaten – en een teken dat het privacy-eerste segment van de AI-markt onwaarschijnlijke nieuwkomers aantrekt.

De afweging: capaciteit versus controle

Kleine modellen op het apparaat lopen nog steeds achter op hun cloud-tegenhangers op het gebied van ruwe nauwkeurigheid, vooral op het gebied van spraak met accenten, achtergrondgeluid en gespecialiseerde woordenschat. Wat ze in ruil daarvoor aanbieden is structureel: geen netwerkafhankelijkheid, geen API-kosten per transcriptie en geen derde partij die de audio in handen heeft. Voor wearables zoals een slimme bril, waarbij een cloud-retour latentie aan elke interactie toevoegt en een altijd luisterende microfoon het hele punt van het product is, is lokale verwerking misschien wel het enige ontwerp dat kan worden geschaald zonder privacy-reacties.

Tether gokt erop dat deze afweging bij elke hardwaregeneratie verder zal verschuiven naar lokale verwerking. Neurale motoren in de huidige vlaggenschiptelefoons leveren nu al gevolgtrekkingen van miljarden parameters met dubbele cijfers, en modellen in het bereik van enkele honderden miljoenen (zoals TranscribePsy) laten ruimte over voor een langere context, meer talen en altijd-aan werking zonder dat de batterij leegraakt.

---

Blijf Voorop met AI

Het laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.

Lees meer AI-nieuws →