Tether, компанія, що стоїть за найбільшим у світі стейблкойном, випустила TranscribePsy, модель розпізнавання мовлення з 254 мільйонами параметрів, яка транскрибує розмови безпосередньо на смартфонах, розумних окулярах і роботах-гуманоїдах, не надсилаючи аудіо на хмарні сервери. Випуск, оголошений цього тижня в рамках проекту QVAC зі штучного інтелекту компанії, є останньою ознакою того, що Tether серйозно налаштований на створення програмного забезпечення ШІ, яке повністю працює на персональних пристроях.
Цей крок ставить криптокомпанію в несподіване становище: вона конкурує з хмарними постачальниками штучного інтелекту на основі аргументу, що голосові дані надто чутливі, щоб залишати пристрій. «Майбутнє штучного інтелекту не повинно означати надання централізованим платформам першого ряду в нашому особистому житті», — сказав генеральний директор Tether Паоло Ардоіно в повідомленні. Він описав TranscribePsy як приклад розпізнавання мовлення, яке може повністю працювати на персональному апаратному забезпеченні, не залежачи від централізованої інфраструктури. For more context on this story, see our ongoing artificial intelligence updates.
Результати порівняльного тесту: швидше, ніж Whisper на процесорах телефону
Згідно з crypto.news, який переглянув опубліковану оцінку компанії, Tether протестував модель на шести смартфонах і виявив, що вона працює в 2,6 рази швидше, ніж наступна за швидкістю оцінена система, і в 5,7 разів швидше, ніж модель Whisper-small OpenAI з відкритим вихідним кодом, коли працює на телефонних процесорах. На iPhone версія, оптимізована для Core ML, потребувала менше половини дискового простору та в 1,7 рази менше пам’яті, ніж конкуруюча модель Core ML, включена до порівняння.
Точність вимірювалася за допомогою коефіцієнта помилок слів, стандартного показника, який підраховує, скільки слів система транскрипції помиляється порівняно з оригінальним усним вмістом. Tether опублікував оціночні конфігурації разом із моделлю, щоб незалежні дослідники могли відтворити звітні цифри — практика прозорості, яка залишається незвичною серед споживачів постачальників ШІ.
Чотири версії для різного обладнання
TranscribePsy поставляється в чотирьох збірках, призначених для різних класів обладнання:
- модель ноутбука з підтримкою 25 європейських мов
- менша конфігурація, орієнтована на вісім поширених мов
- Версія GGUF, яка працює через механізм parakeet.cpp у програмному забезпеченні qvac-fabric-speech Tether для мобільних пристроїв
- Версія Core ML, оптимізована для Neural Engine від Apple, що дозволяє транскрибувати сумісні iPhone за допомогою спеціального кремнію
Ці моделі створені для обробки безперервного звуку, створюючи текст незабаром після виявлення мовлення. Tether стверджує, що система може підтримувати додатки з голосовим керуванням, які відповідають без жодної передачі записів на зовнішні сервери — значуща претензія для розумних окулярів і переносних пристроїв, де постійно ввімкнені мікрофони викликають постійні проблеми щодо конфіденційності.
Частина ширшого QVAC Push
TranscribePsy — це останній випуск у рамках проекту Tether QVAC, який постійно розширювався до 2026 року. У квітні компанія представила QVAC SDK, набір інструментів розробки з відкритим вихідним кодом для запуску програм штучного інтелекту на iOS, Android, Windows, macOS і Linux, що охоплює генерацію тексту, обробку мовлення, розпізнавання зображень і переклад. Набір інструментів побудовано на QVAC Fabric, налаштованій версії llama.cpp, і використовує технологію Holepunch для однорангового розповсюдження моделі.
Раніше в цьому році Tether інтегрував навчання BitNet LoRA в QVAC Fabric, заявивши, що він налаштував моделі до 3,8 мільярда параметрів на споживчих пристроях, включаючи Pixel 9, Galaxy S25 і iPhone 16, з тестами, що охоплюють моделі до 13 мільярдів параметрів на iPhone 16. У вересні Ardoino оприлюднив роботу над одноранговою пошуковою системою, яка зберігає повну інформацію. Архів Вікіпедії на 100 розподілених вузлах. А в жовтні 2025 року компанія випустила набір даних QVAC Genesis I, що складається з 41 мільярда синтетичних токенів, призначених для навчання моделей математики, науки та технічного мислення.
Чому це важливо
Гонка за штучним інтелектом на пристроях посилилася, оскільки виробники пристроїв шукають функції, які працюють без підключення та без передачі даних із телефону. Whisper залишається найпоширенішою моделлю відкритого мовлення, але вона не була розроблена для потужності центрального процесора телефону, де спеціально створені невеликі моделі мають чим відрізнятися. Твердження про тести Tether, якщо вони витримують незалежну реплікацію, поставили б TranscribePsy на передню частину цього пакету.
Для Tether стратегія також є хеджуванням. Основним бізнесом компанії залишається стейблкойн USDT, але її керівництво витратило 2026 рік на створення портфоліо локальної інфраструктури штучного інтелекту — моделей, пакетів SDK, наборів даних і однорангового розподілу — яка відповідає децентралізованому духу її бази користувачів, одночасно зменшуючи залежність від невеликої кількості хмарних провайдерів, які зараз контролюють більшість висновків ШІ.
Питання, чи зможе емітент стейблкойнів стати надійним гравцем у мовному штучному інтелекті, залишається відкритим. Але завдяки опублікованому еталонному тесту, відтворюваним конфігураціям і робочій моделі, яка працює на телефонах, які вже є у людей, TranscribePsy є більш конкретним випуском, ніж більшість анонсів штучного інтелекту на пристрої, і є ознакою того, що сегмент ринку штучного інтелекту, який ставиться на перше місце у сфері конфіденційності, приваблює малоймовірних учасників.
Компроміс: можливості проти контролю
Невеликі моделі на пристроях все ще поступаються своїм хмарним аналогам щодо грубої точності, зокрема щодо акцентованого мовлення, фонового шуму та спеціальної лексики. Те, що вони пропонують натомість, є структурним: жодної залежності від мережі, жодних витрат на API для кожної транскрипції та жодних третіх сторін, які зберігають аудіо. Для носимих пристроїв, як-от розумних окулярів, де хмарна передача додає затримку для кожної взаємодії, а мікрофон, який постійно прослуховує, є суть продукту, локальна обробка є, мабуть, єдиною конструкцією, яка масштабується без негативного впливу на конфіденційність.
Tether робить ставку на те, що цей компроміс все більше схиляється до локальної обробки з кожним поколінням апаратного забезпечення. Нейронні механізми в нинішніх флагманських телефонах уже забезпечують визначення двозначних мільярдів параметрів, а моделі в діапазоні кількох сотень мільйонів, як-от TranscribePsy, залишають запас для довшого контексту, більше мов і постійної роботи без розрядження батареї.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
