Tether บริษัทที่อยู่เบื้องหลังเหรียญ stablecoin ที่ใหญ่ที่สุดในโลก ได้เปิดตัว TranscribePsy ซึ่งเป็นโมเดลการรู้จำเสียงพูดที่มีพารามิเตอร์ 254 ล้านพารามิเตอร์ ซึ่งจะถ่ายทอดการสนทนาโดยตรงบนสมาร์ทโฟน แว่นตาอัจฉริยะ และหุ่นยนต์ฮิวแมนนอยด์ โดยไม่ต้องส่งเสียงใดๆ ไปยังเซิร์ฟเวอร์คลาวด์ การเปิดตัวซึ่งประกาศในสัปดาห์นี้โดยเป็นส่วนหนึ่งของโครงการปัญญาประดิษฐ์ QVAC ของบริษัท ถือเป็นสัญญาณล่าสุดที่แสดงว่า Tether จริงจังกับการสร้างซอฟต์แวร์ AI ที่ทำงานบนอุปกรณ์ส่วนบุคคลทั้งหมด
การเคลื่อนไหวดังกล่าวทำให้บริษัท crypto อยู่ในตำแหน่งที่ไม่คาดคิด: แข่งขันกับผู้ให้บริการ Cloud AI โดยอ้างว่าข้อมูลเสียงอ่อนไหวเกินกว่าจะออกจากอุปกรณ์ได้ “อนาคตของ AI ไม่ควรหมายถึงการให้แพลตฟอร์มแบบรวมศูนย์เป็นที่นั่งแถวหน้าในชีวิตส่วนตัวของเรา” Paolo Ardoino ซีอีโอของ Tether กล่าวในการประกาศ เขาอธิบาย TranscribePsy ว่าเป็นตัวอย่างของการรู้จำเสียงที่สามารถทำงานบนฮาร์ดแวร์ส่วนบุคคลได้อย่างเต็มที่ โดยไม่ต้องพึ่งพาโครงสร้างพื้นฐานแบบรวมศูนย์ For more context on this story, see our ongoing breaking AI news.
ผลลัพธ์มาตรฐาน: เร็วกว่าเสียงกระซิบบน CPU ของโทรศัพท์
ตาม crypto.news ซึ่งตรวจสอบการประเมินที่เผยแพร่ของบริษัท Tether ทดสอบโมเดลนี้กับสมาร์ทโฟน 6 เครื่อง และพบว่าทำงานได้เร็วกว่าระบบที่เร็วที่สุดถัดไปที่ประเมินไว้ 2.6 เท่า และเร็วกว่ารุ่น Whisper-small โอเพ่นซอร์สของ OpenAI 5.7 เท่า เมื่อทำงานบนซีพียูในโทรศัพท์ บน iPhone เวอร์ชันที่ปรับให้เหมาะสมสำหรับ Core ML ต้องใช้พื้นที่ดิสก์น้อยกว่าครึ่งหนึ่งและมีหน่วยความจำน้อยกว่ารุ่น Core ML ของคู่แข่งที่รวมอยู่ในการเปรียบเทียบถึง 1.7 เท่า
ความแม่นยำวัดโดยใช้อัตราข้อผิดพลาดของคำ ซึ่งเป็นหน่วยเมตริกมาตรฐานที่นับจำนวนคำที่ระบบการถอดเสียงทำผิดกับเนื้อหาที่พูดต้นฉบับ Tether เผยแพร่การกำหนดค่าการประเมินควบคู่ไปกับแบบจำลอง เพื่อให้นักวิจัยอิสระสามารถสร้างตัวเลขที่รายงานได้ ซึ่งเป็นแนวทางปฏิบัติที่โปร่งใสซึ่งยังคงไม่ธรรมดาในหมู่ผู้จำหน่าย AI สำหรับผู้บริโภค
สี่เวอร์ชันสำหรับฮาร์ดแวร์ที่แตกต่างกัน
TranscribePsy จัดส่งในสี่บิวด์ที่มุ่งเป้าไปที่คลาสฮาร์ดแวร์ที่แตกต่างกัน:
- รุ่นแล็ปท็อป รองรับ 25 ภาษายุโรป
- การกำหนดค่าที่เล็กลง มุ่งเน้นไปที่แปดภาษาที่ใช้กันทั่วไป
- เวอร์ชัน GGUF ที่ทำงานผ่านเอ็นจิ้น parakeet.cpp ภายในซอฟต์แวร์ qvac-fabric-speech ของ Tether สำหรับอุปกรณ์มือถือ
- เวอร์ชัน Core ML ปรับให้เหมาะกับ Neural Engine ของ Apple ทำให้ iPhone ที่ใช้งานร่วมกันได้สามารถถอดเสียงโดยใช้ซิลิคอนเฉพาะ
แบบจำลองนี้ได้รับการออกแบบให้รองรับเสียงที่ต่อเนื่อง โดยสร้างข้อความหลังจากตรวจพบคำพูดได้ไม่นาน Tether กล่าวว่าระบบสามารถรองรับแอปพลิเคชันควบคุมด้วยเสียงที่ตอบสนองโดยไม่ต้องส่งการบันทึกไปยังเซิร์ฟเวอร์ภายนอก ซึ่งเป็นข้อเรียกร้องที่สำคัญสำหรับแว่นตาอัจฉริยะและอุปกรณ์สวมใส่ได้ ซึ่งไมโครโฟนที่เปิดตลอดเวลาทำให้เกิดข้อกังวลด้านความเป็นส่วนตัวอย่างต่อเนื่อง
ส่วนหนึ่งของการผลักดัน QVAC ที่กว้างขึ้น
TranscribePsy เป็นรุ่นล่าสุดภายใต้โครงการ QVAC ของ Tether ซึ่งขยายอย่างต่อเนื่องจนถึงปี 2569 ในเดือนเมษายน บริษัทได้เปิดตัว QVAC SDK ซึ่งเป็นชุดเครื่องมือพัฒนาโอเพ่นซอร์สสำหรับการรันแอปพลิเคชัน AI บน iOS, Android, Windows, macOS และ Linux ครอบคลุมการสร้างข้อความ การประมวลผลคำพูด การจดจำรูปภาพ และการแปล ชุดเครื่องมือนี้สร้างขึ้นจาก QVAC Fabric ซึ่งเป็นเวอร์ชันที่กำหนดเองของ llama.cpp และใช้เทคโนโลยี Holepunch สำหรับการกระจายแบบจำลองแบบ peer-to-peer
เมื่อต้นปีที่ผ่านมา Tether ได้รวมการฝึกอบรม BitNet LoRA เข้ากับ QVAC Fabric โดยกล่าวว่ามีโมเดลที่ได้รับการปรับแต่งอย่างละเอียดซึ่งมีพารามิเตอร์สูงถึง 3.8 พันล้านพารามิเตอร์บนอุปกรณ์ผู้บริโภค รวมถึง Pixel 9, Galaxy S25 และ iPhone 16 โดยการทดสอบครอบคลุมโมเดลที่มีพารามิเตอร์สูงถึง 13 พันล้านพารามิเตอร์บน iPhone 16 ในเดือนกันยายน Ardoino เปิดเผยงานเกี่ยวกับเครื่องมือค้นหาแบบ peer-to-peer ซึ่งได้จัดเก็บไฟล์เก็บถาวร Wikipedia เต็มรูปแบบไว้ในโหนดแบบกระจาย 100 โหนด และในเดือนตุลาคม ปี 2025 บริษัทได้เปิดตัวชุดข้อมูล QVAC Genesis I ซึ่งเป็นโทเค็นสังเคราะห์ 41 พันล้านโทเค็นที่มุ่งเป้าไปที่การฝึกอบรมโมเดลในด้านคณิตศาสตร์ วิทยาศาสตร์ และการใช้เหตุผลทางเทคนิค
ทำไมมันถึงสำคัญ
การแข่งขัน AI บนอุปกรณ์ทวีความรุนแรงมากขึ้น เนื่องจากผู้ผลิตอุปกรณ์มองหาฟีเจอร์ที่ทำงานได้โดยไม่ต้องเชื่อมต่อและไม่มีข้อมูลออกจากมือถือ Whisper ยังคงเป็นโมเดลคำพูดแบบเปิดที่มีการใช้งานกันอย่างแพร่หลายที่สุด แต่ไม่ได้ออกแบบมาสำหรับขุมพลังของ CPU ในโทรศัพท์ ซึ่งเป็นจุดที่โมเดลขนาดเล็กที่สร้างขึ้นโดยเฉพาะมีพื้นที่ในการสร้างความแตกต่าง การอ้างเกณฑ์มาตรฐานของ Tether หากรองรับการจำลองแบบอิสระ จะทำให้ TranscribePsy อยู่ด้านหน้าแพ็คนั้น
สำหรับ Tether กลยุทธ์นี้ก็ถือเป็นการป้องกันความเสี่ยงเช่นกัน ธุรกิจหลักของบริษัทยังคงเป็นเหรียญ stablecoin ของ USDT แต่ความเป็นผู้นำของบริษัทได้ใช้เวลาในปี 2026 ในการสร้างพอร์ตโฟลิโอของโครงสร้างพื้นฐาน AI ในท้องถิ่นเป็นอันดับแรก ไม่ว่าจะเป็นโมเดล SDK ชุดข้อมูล และการกระจายแบบ peer-to-peer ซึ่งสอดคล้องกับหลักการกระจายอำนาจของฐานผู้ใช้ ในขณะเดียวกันก็ลดการพึ่งพาผู้ให้บริการคลาวด์จำนวนน้อยที่ควบคุมการอนุมาน AI ส่วนใหญ่ในปัจจุบัน
ผู้ออกเหรียญ Stablecoin จะกลายเป็นผู้เล่นที่น่าเชื่อถือในด้านคำพูดของ AI ได้หรือไม่นั้นเป็นคำถามเปิด แต่ด้วยเกณฑ์มาตรฐานที่เผยแพร่ การกำหนดค่าที่ทำซ้ำได้ และรูปแบบการทำงานที่ทำงานบนโทรศัพท์ที่ผู้คนมีอยู่แล้ว TranscribePsy จึงเป็นการเปิดตัวที่เป็นรูปธรรมมากกว่าการประกาศ AI บนอุปกรณ์ส่วนใหญ่ และเป็นสัญญาณว่าส่วนที่เน้นความเป็นส่วนตัวเป็นอันดับแรกของตลาด AI กำลังดึงดูดผู้เข้าร่วมที่ไม่น่าเป็นไปได้
การแลกเปลี่ยน: ความสามารถกับการควบคุม
โมเดลในอุปกรณ์ขนาดเล็กยังคงติดตามระบบคลาวด์ด้วยความแม่นยำโดยเฉพาะอย่างยิ่ง โดยเฉพาะคำพูดที่เน้นเสียง เสียงพื้นหลัง และคำศัพท์เฉพาะทาง สิ่งที่พวกเขาเสนอในการแลกเปลี่ยนคือโครงสร้าง: ไม่มีการพึ่งพาเครือข่าย ไม่มีค่าใช้จ่าย API ต่อการถอดเสียง และไม่มีบุคคลที่สามที่ถือครองเสียง สำหรับอุปกรณ์สวมใส่ เช่น แว่นตาอัจฉริยะ ซึ่งการเดินทางไปกลับบนคลาวด์จะเพิ่มเวลาแฝงให้กับทุกการโต้ตอบ และไมโครโฟนที่ฟังตลอดเวลาเป็นจุดรวมของผลิตภัณฑ์ การประมวลผลในท้องถิ่นถือเป็นการออกแบบเดียวที่ปรับขนาดโดยไม่มีการฟันเฟืองความเป็นส่วนตัว
Tether กำลังเดิมพันว่าการแลกเปลี่ยนนี้จะเอียงไปสู่การประมวลผลในท้องถิ่นกับฮาร์ดแวร์ทุกรุ่น ระบบนิวรัลในโทรศัพท์รุ่นเรือธงในปัจจุบันมีการอนุมานพารามิเตอร์เป็นเลขสองหลักพันล้านอยู่แล้ว และรุ่นต่างๆ ที่อยู่ในช่วงไม่กี่ร้อยล้าน เช่น TranscribePsy จะเหลือพื้นที่ว่างสำหรับบริบทที่ยาวขึ้น ภาษามากขึ้น และการทำงานตลอดเวลาโดยไม่ทำให้แบตเตอรี่หมด
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
