உலகின் மிகப்பெரிய ஸ்டேபிள்காயினுக்குப் பின்னால் உள்ள நிறுவனமான டெதர், 254 மில்லியன் அளவுரு பேச்சு அங்கீகார மாடலான TranscribePsy ஐ வெளியிட்டது, இது எந்த ஆடியோவையும் கிளவுட் சர்வர்களுக்கு அனுப்பாமல் நேரடியாக ஸ்மார்ட்போன்கள், ஸ்மார்ட் கண்ணாடிகள் மற்றும் மனித உருவ ரோபோக்களில் உரையாடல்களை டிரான்ஸ்கிரிப்ட் செய்கிறது. நிறுவனத்தின் QVAC செயற்கை நுண்ணறிவுத் திட்டத்தின் ஒரு பகுதியாக இந்த வாரம் அறிவிக்கப்பட்ட வெளியீடு, தனிப்பட்ட சாதனங்களில் முழுமையாக இயங்கும் AI மென்பொருளை உருவாக்குவதில் Tether தீவிரமாக உள்ளது என்பதற்கான சமீபத்திய அறிகுறியாகும்.

இந்த நடவடிக்கை ஒரு கிரிப்டோ நிறுவனத்தை எதிர்பாராத நிலையில் வைக்கிறது: சாதனத்தை விட்டு வெளியேறுவதற்கு குரல் தரவு மிகவும் உணர்திறன் கொண்டது என்ற வாதத்தில் கிளவுட் AI வழங்குநர்களுடன் போட்டியிடுகிறது. "AI இன் எதிர்காலம் என்பது மையப்படுத்தப்பட்ட தளங்களுக்கு எங்கள் தனிப்பட்ட வாழ்க்கைக்கு முன் வரிசை இருக்கை வழங்குவதைக் குறிக்கக்கூடாது" என்று டெதர் தலைமை நிர்வாக அதிகாரி பாலோ ஆர்டோயினோ அறிவிப்பில் தெரிவித்தார். மையப்படுத்தப்பட்ட உள்கட்டமைப்பைச் சார்ந்து இல்லாமல், தனிப்பட்ட வன்பொருளில் முழுமையாகச் செயல்படக்கூடிய பேச்சு அறிதலின் உதாரணம் என டிரான்ஸ்கிரைப் பிஸியை விவரித்தார். For more context on this story, see our ongoing AI trends.

பெஞ்ச்மார்க் முடிவுகள்: ஃபோன் CPUகளில் விஸ்பரை விட வேகமானது

நிறுவனத்தின் வெளியிடப்பட்ட மதிப்பீட்டை மதிப்பாய்வு செய்த Crypto.news இன் படி, Tether ஆனது ஆறு ஸ்மார்ட்போன்களில் மாடலைச் சோதித்து, அடுத்த வேகமான சிஸ்டம் மதிப்பிடப்பட்டதை விட 2.6 மடங்கு வேகமாகவும், ஃபோன் CPUகளில் இயங்கும் போது OpenAI இன் திறந்த மூல விஸ்பர்-சிறிய மாடலை விட 5.7 மடங்கு வேகமாகவும் இயங்கியது. ஐபோனில், கோர் எம்எல்-உகந்த பதிப்பிற்கு பாதிக்கு குறைவான வட்டு இடம் மற்றும் ஒப்பிடுகையில் சேர்க்கப்பட்டுள்ள கோர் எம்எல் மாடலை விட 1.7 மடங்கு குறைவான நினைவகம் தேவைப்படுகிறது.

வார்த்தை பிழை விகிதத்தைப் பயன்படுத்தி துல்லியம் அளவிடப்படுகிறது, இது அசல் பேசும் உள்ளடக்கத்திற்கு எதிராக ஒரு டிரான்ஸ்கிரிப்ஷன் அமைப்பு எத்தனை வார்த்தைகளை தவறாகப் பெறுகிறது என்பதைக் கணக்கிடும் நிலையான மெட்ரிக். டெதர் மாதிரியுடன் மதிப்பீட்டு உள்ளமைவுகளை வெளியிட்டது, இதனால் சுயாதீன ஆராய்ச்சியாளர்கள் அறிக்கையிடப்பட்ட எண்களை மீண்டும் உருவாக்க முடியும் - இது நுகர்வோர் AI விற்பனையாளர்களிடையே அசாதாரணமான ஒரு வெளிப்படைத்தன்மை நடைமுறையாகும்.

வெவ்வேறு வன்பொருளுக்கான நான்கு பதிப்புகள்

TranscribePsy வன்பொருளின் வெவ்வேறு வகுப்புகளை இலக்காகக் கொண்டு நான்கு கட்டமைப்புகளில் அனுப்பப்படுகிறது:

  • 25 ஐரோப்பிய மொழிகளை ஆதரிக்கும் லேப்டாப் மாடல்
  • ஒரு சிறிய உள்ளமைவு பொதுவாகப் பயன்படுத்தப்படும் எட்டு மொழிகளில் கவனம் செலுத்துகிறது
  • மொபைல் சாதனங்களுக்கான டெதரின் qvac-fabric-speech மென்பொருளுக்குள் parakeet.cpp இன்ஜின் மூலம் இயங்கும் GGUF பதிப்பு
  • ஆப்பிளின் நியூரல் எஞ்சினுக்கு உகந்ததாக ஒரு கோர் எம்எல் பதிப்பு, பிரத்யேக சிலிக்கானைப் பயன்படுத்தி இணக்கமான ஐபோன்களை டிரான்ஸ்கிரிப்ட் செய்ய அனுமதிக்கிறது

மாடல்கள் தொடர்ச்சியான ஆடியோவைக் கையாளும் வகையில் வடிவமைக்கப்பட்டுள்ளன, பேச்சு கண்டறியப்பட்ட சிறிது நேரத்திலேயே உரையை உருவாக்குகிறது. டெதர் கூறுகையில், ஒலி-கட்டுப்படுத்தப்பட்ட பயன்பாடுகளை வெளிப்புற சேவையகங்களுக்கு எப்போதும் அனுப்பாமல் பதிலளிக்கும் - ஸ்மார்ட் கண்ணாடிகள் மற்றும் அணியக்கூடிய சாதனங்களுக்கான அர்த்தமுள்ள கூற்று, மைக்ரோஃபோன்கள் தொடர்ந்து தனியுரிமை கவலைகளை எழுப்பியுள்ளன.

ஒரு பரந்த QVAC புஷ் பகுதி

TranscribePsy என்பது Tether's QVAC திட்டத்தின் கீழ் சமீபத்திய வெளியீடாகும், இது 2026 ஆம் ஆண்டு வரை படிப்படியாக விரிவடைந்தது. ஏப்ரல் மாதம், நிறுவனம் QVAC SDK ஐ அறிமுகப்படுத்தியது, இது iOS, Android, Windows, macOS மற்றும் Linux இல் AI பயன்பாடுகளை இயக்குவதற்கான ஒரு திறந்த-மூல மேம்பாட்டு கருவித்தொகுப்பு, உரை உருவாக்கம், பேச்சு செயலாக்கம், படத்தை அங்கீகாரம் மற்றும் மொழிபெயர்ப்பு ஆகியவற்றை உள்ளடக்கியது. கருவித்தொகுப்பு QVAC Fabric இல் கட்டமைக்கப்பட்டுள்ளது, இது llama.cpp இன் தனிப்பயனாக்கப்பட்ட பதிப்பாகும், மேலும் பியர்-டு-பியர் மாதிரி விநியோகத்திற்காக ஹோல்பஞ்ச் தொழில்நுட்பத்தைப் பயன்படுத்துகிறது.

ஆண்டின் தொடக்கத்தில், Tether ஆனது QVAC ஃபேப்ரிக் உடன் BitNet LoRA பயிற்சியை ஒருங்கிணைத்தது, Pixel 9, Galaxy S25 மற்றும் iPhone 16 உள்ளிட்ட நுகர்வோர் சாதனங்களில் 3.8 பில்லியன் அளவுருக்கள் வரை நன்றாக வடிவமைக்கப்பட்ட மாடல்களைக் கொண்டிருப்பதாகக் கூறியது, 13 பில்லியன் அளவுருக்கள் வரையிலான மாடல்களை உள்ளடக்கிய சோதனைகளுடன், ஐபோன் 16 இல் தேடுபொறி டிஸ்க்ளோப்-செப்டம்பரில் வெளியிடப்பட்டது. 100 விநியோகிக்கப்பட்ட முனைகளில் முழு விக்கிபீடியா காப்பகத்தையும் சேமித்து வைத்துள்ளது. அக்டோபர் 2025 இல், நிறுவனம் QVAC ஜெனிசிஸ் I தரவுத்தொகுப்பை வெளியிட்டது, 41 பில்லியன் செயற்கை டோக்கன்கள் கணிதம், அறிவியல் மற்றும் தொழில்நுட்ப பகுத்தறிவு ஆகியவற்றில் பயிற்சி மாதிரிகளை நோக்கமாகக் கொண்டுள்ளன.

ஏன் இது முக்கியமானது

சாதன தயாரிப்பாளர்கள் இணைப்பு இல்லாமல் மற்றும் கைபேசியிலிருந்து தரவு இல்லாமல் செயல்படும் அம்சங்களைத் தேடுவதால், சாதனத்தில் AI ரேஸ் தீவிரமடைந்துள்ளது. விஸ்பர் மிகவும் பரவலாக பயன்படுத்தப்பட்ட திறந்த பேச்சு மாதிரியாக உள்ளது, ஆனால் இது ஒரு ஃபோன் CPU இன் ஆற்றல் உறைக்காக வடிவமைக்கப்படவில்லை, இங்குதான் நோக்கம் கொண்ட சிறிய மாடல்களை வேறுபடுத்த இடமுள்ளது. டெதரின் பெஞ்ச்மார்க் உரிமைகோரல்கள், அவை சுயாதீனமான நகலெடுப்பைத் தக்க வைத்துக் கொண்டால், அந்த பேக்கின் முன்பகுதியில் TranscribePsy ஐ வைக்கும்.

டெதரைப் பொறுத்தவரை, மூலோபாயம் ஒரு ஹெட்ஜ் ஆகும். நிறுவனத்தின் முக்கிய வணிகமானது USDT ஸ்டேபிள்காயினாகவே உள்ளது, ஆனால் அதன் தலைமையானது உள்ளூர் முதல் AI உள்கட்டமைப்பு - மாதிரிகள், SDKகள், தரவுத்தொகுப்புகள் மற்றும் பியர்-டு-பியர் விநியோகம் ஆகியவற்றின் போர்ட்ஃபோலியோவை உருவாக்க 2026 செலவிட்டுள்ளது.

ஸ்டேபிள்காயின் வழங்குபவர் பேச்சு AI இல் நம்பகமான வீரராக மாற முடியுமா என்பது ஒரு திறந்த கேள்வி. ஆனால் வெளியிடப்பட்ட அளவுகோல், மறுஉருவாக்கம் செய்யக்கூடிய உள்ளமைவுகள் மற்றும் மக்கள் ஏற்கனவே வைத்திருக்கும் ஃபோன்களில் இயங்கும் மாதிரியுடன், TranscribePsy என்பது சாதனத்தில் உள்ள AI அறிவிப்புகளைக் காட்டிலும் மிகவும் உறுதியான வெளியீடாகும் - மேலும் AI சந்தையில் தனியுரிமை-முதல் பிரிவானது சாத்தியமில்லாத பங்கேற்பாளர்களை ஈர்க்கிறது என்பதற்கான அறிகுறியாகும்.

டிரேட்-ஆஃப்: திறன் மற்றும் கட்டுப்பாடு

சிறிய ஆன்-டிவைஸ் மாடல்கள் இன்னும் துல்லியமான துல்லியத்தில், குறிப்பாக உச்சரிப்பு பேச்சு, பின்னணி இரைச்சல் மற்றும் சிறப்பு சொற்களஞ்சியம் ஆகியவற்றில் அவற்றின் கிளவுட் சகாக்களைப் பின்தொடர்கின்றன. பரிமாற்றத்தில் அவர்கள் வழங்குவது கட்டமைப்பு சார்ந்தது: நெட்வொர்க் சார்பு இல்லை, ஒவ்வொரு டிரான்ஸ்கிரிப்ஷன் API செலவும் இல்லை மற்றும் ஆடியோவை வைத்திருக்கும் மூன்றாம் தரப்பினரும் இல்லை. ஸ்மார்ட் கிளாஸ்கள் போன்ற அணியக்கூடிய பொருட்களுக்கு, கிளவுட் ரவுண்ட்-டிரிப் ஒவ்வொரு தொடர்புக்கும் தாமதத்தை சேர்க்கிறது மற்றும் எப்போதும் கேட்கும் மைக்ரோஃபோன் தயாரிப்பின் முழு அம்சமாகும், உள்ளூர் செயலாக்கம் மட்டுமே தனியுரிமை பின்னடைவு இல்லாமல் அளவிடக்கூடிய ஒரே வடிவமைப்பாகும்.

டெதர் இந்த வர்த்தகம் ஒவ்வொரு வன்பொருள் தலைமுறையிலும் உள்ளூர் செயலாக்கத்தை நோக்கி மேலும் சாய்கிறது என்று பந்தயம் கட்டுகிறது. தற்போதைய ஃபிளாக்ஷிப் ஃபோன்களில் உள்ள நியூரல் என்ஜின்கள் ஏற்கனவே இரட்டை இலக்க-பில்லியன்-பாராமீட்டர் அனுமானத்தை வழங்குகின்றன, மேலும் சில நூறு-மில்லியன் வரம்பில் உள்ள மாடல்கள் - TranscribePsy போன்றவை - நீண்ட சூழல், அதிக மொழிகள் மற்றும் பேட்டரியை வடிகட்டாமல் எப்போதும் செயல்படுவதற்கு ஹெட்ரூமை விட்டுவிடும்.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →