Tether, công ty đứng sau stablecoin lớn nhất thế giới, đã phát hành TranscribePsy, một mô hình nhận dạng giọng nói gồm 254 triệu tham số, ghi lại các cuộc hội thoại trực tiếp trên điện thoại thông minh, kính thông minh và robot hình người mà không gửi bất kỳ âm thanh nào đến máy chủ đám mây. Việc phát hành, được công bố trong tuần này như một phần của dự án trí tuệ nhân tạo QVAC của công ty, là dấu hiệu mới nhất cho thấy Tether nghiêm túc trong việc xây dựng phần mềm AI chạy hoàn toàn trên thiết bị cá nhân.

Động thái này đặt một công ty tiền điện tử vào một tình thế bất ngờ: cạnh tranh với các nhà cung cấp AI trên nền tảng đám mây với lập luận rằng dữ liệu giọng nói quá nhạy cảm để rời khỏi thiết bị. “Tương lai của AI không có nghĩa là đặt các nền tảng tập trung vào hàng ghế đầu trong cuộc sống cá nhân của chúng ta”, Giám đốc điều hành Tether, Paolo Ardoino, cho biết trong thông báo. Ông mô tả TranscribePsy là một ví dụ về nhận dạng giọng nói có thể hoạt động hoàn toàn trên phần cứng cá nhân mà không phụ thuộc vào cơ sở hạ tầng tập trung. For more context on this story, see our ongoing breaking AI news.

Kết quả điểm chuẩn: Nhanh hơn lời thì thầm trên CPU điện thoại

Theo crypto.news, cơ quan đã xem xét đánh giá được công bố của công ty, Tether đã thử nghiệm mô hình này trên sáu điện thoại thông minh và nhận thấy nó chạy nhanh hơn 2,6 lần so với hệ thống nhanh nhất tiếp theo được đánh giá và nhanh hơn 5,7 lần so với mô hình Whisper-small mã nguồn mở của OpenAI khi chạy trên CPU điện thoại. Trên iPhone, phiên bản được tối ưu hóa Core ML yêu cầu ít hơn một nửa dung lượng ổ đĩa và bộ nhớ ít hơn 1,7 lần so với mẫu Core ML cạnh tranh được đưa vào so sánh.

Độ chính xác được đo bằng tỷ lệ lỗi từ, số liệu tiêu chuẩn đếm số lượng từ mà hệ thống phiên âm mắc lỗi so với nội dung giọng nói gốc. Tether đã công bố các cấu hình đánh giá cùng với mô hình để các nhà nghiên cứu độc lập có thể tái tạo các con số được báo cáo – một thực tiễn minh bạch vẫn chưa phổ biến ở các nhà cung cấp AI tiêu dùng.

Bốn phiên bản dành cho phần cứng khác nhau

TranscribePsy có bốn bản dựng dành cho các loại phần cứng khác nhau:

  • Mẫu máy tính xách tay hỗ trợ 25 ngôn ngữ Châu Âu
  • cấu hình nhỏ hơn tập trung vào tám ngôn ngữ thường được sử dụng
  • Phiên bản GGUF chạy qua công cụ parakeet.cpp bên trong phần mềm giọng nói qvac-fabric-speech của Tether, dành cho thiết bị di động
  • Phiên bản Core ML được tối ưu hóa cho Neural Engine của Apple, cho phép các iPhone tương thích phiên âm bằng silicon chuyên dụng

Các mô hình này được thiết kế để xử lý âm thanh liên tục, tạo ra văn bản ngay sau khi phát hiện được giọng nói. Tether cho biết hệ thống này có thể hỗ trợ các ứng dụng điều khiển bằng giọng nói phản hồi mà không cần truyền bản ghi âm đến máy chủ bên ngoài - một tuyên bố có ý nghĩa đối với kính thông minh và thiết bị đeo được, trong đó micrô luôn bật đã gây ra những lo ngại dai dẳng về quyền riêng tư.

Một phần của nỗ lực đẩy QVAC rộng hơn

TranscribePsy là bản phát hành mới nhất trong dự án QVAC của Tether, dự án này đã mở rộng đều đặn đến năm 2026. Vào tháng 4, công ty đã giới thiệu QVAC SDK, một bộ công cụ phát triển nguồn mở để chạy các ứng dụng AI trên iOS, Android, Windows, macOS và Linux, bao gồm tạo văn bản, xử lý giọng nói, nhận dạng hình ảnh và dịch thuật. Bộ công cụ này được xây dựng trên QVAC Fabric, một phiên bản tùy chỉnh của llama.cpp và sử dụng công nghệ Holepunch để phân phối mô hình ngang hàng.

Đầu năm, Tether đã tích hợp đào tạo BitNet LoRA vào QVAC Fabric, cho biết họ đã tinh chỉnh các mô hình lên tới 3,8 tỷ thông số trên các thiết bị tiêu dùng bao gồm Pixel 9, Galaxy S25 và iPhone 16, với các thử nghiệm bao gồm các mô hình lên tới 13 tỷ thông số trên iPhone 16. Vào tháng 9, Ardoino đã tiết lộ công việc trên một công cụ tìm kiếm ngang hàng đã lưu trữ toàn bộ kho lưu trữ Wikipedia trên 100 nút phân phối. Và vào tháng 10 năm 2025, công ty đã phát hành bộ dữ liệu QVAC Genesis I, 41 tỷ mã thông báo tổng hợp nhằm đào tạo các mô hình về toán học, khoa học và lý luận kỹ thuật.

Tại sao nó lại quan trọng

Cuộc đua AI trên thiết bị ngày càng gay gắt khi các nhà sản xuất thiết bị tìm kiếm các tính năng hoạt động mà không cần kết nối và không có dữ liệu rời khỏi thiết bị cầm tay. Whisper vẫn là mô hình giọng nói mở được triển khai rộng rãi nhất, nhưng nó không được thiết kế cho vỏ nguồn của CPU điện thoại, đây là nơi mà các mô hình nhỏ được xây dựng có mục đích có chỗ để tạo sự khác biệt. Các tuyên bố về điểm chuẩn của Tether, nếu chúng duy trì khả năng sao chép độc lập, sẽ đặt TranscribePsy lên hàng đầu gói đó.

Đối với Tether, chiến lược này cũng là một hàng rào. Hoạt động kinh doanh cốt lõi của công ty vẫn là stablecoin USDT, nhưng ban lãnh đạo của công ty đã dành năm 2026 để xây dựng danh mục cơ sở hạ tầng AI đầu tiên tại địa phương — mô hình, SDK, bộ dữ liệu và phân phối ngang hàng — phù hợp với đặc tính phi tập trung của cơ sở người dùng, đồng thời giảm sự phụ thuộc vào một số ít nhà cung cấp đám mây hiện kiểm soát hầu hết suy luận AI.

Liệu một nhà phát hành stablecoin có thể trở thành một người chơi đáng tin cậy trong lĩnh vực AI lời nói hay không là một câu hỏi mở. Nhưng với điểm chuẩn đã được công bố, cấu hình có thể tái tạo và mô hình hoạt động chạy trên điện thoại mà mọi người đã sở hữu, TranscribePsy là một bản phát hành cụ thể hơn hầu hết các thông báo về AI trên thiết bị — và là dấu hiệu cho thấy phân khúc ưu tiên quyền riêng tư của thị trường AI đang thu hút những người không chắc chắn sẽ tham gia.

Sự đánh đổi: Khả năng và Kiểm soát

Các mô hình nhỏ trên thiết bị vẫn kém các đối tác đám mây của chúng về độ chính xác thô, đặc biệt là về giọng nói có trọng âm, tiếng ồn xung quanh và từ vựng chuyên ngành. Đổi lại, những gì họ cung cấp mang tính cấu trúc: không phụ thuộc vào mạng, không tốn phí API cho mỗi bản phiên âm và không có bên thứ ba nào nắm giữ âm thanh. Đối với các thiết bị đeo như kính thông minh, trong đó tính năng di chuyển khứ hồi trên đám mây tăng thêm độ trễ cho mọi tương tác và micrô luôn lắng nghe là toàn bộ điểm nổi bật của sản phẩm, xử lý cục bộ được cho là thiết kế duy nhất có thể mở rộng quy mô mà không gặp phải phản ứng dữ dội về quyền riêng tư.

Tether đang đặt cược rằng sự đánh đổi này sẽ nghiêng về phía xử lý cục bộ với mọi thế hệ phần cứng. Công cụ thần kinh trong các điện thoại hàng đầu hiện tại đã cung cấp khả năng suy luận tham số hai tỷ chữ số và các mô hình trong phạm vi vài trăm triệu — như TranscribePsy — để lại khoảng trống cho ngữ cảnh dài hơn, nhiều ngôn ngữ hơn và hoạt động luôn bật mà không làm hao pin.

---

Stay Ahead of AI

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

Read more AI news →