全球最大稳定币背后的公司 Tether 发布了 TranscribePsy，这是一种 2.54 亿参数的语音识别模型，可以直接转录智能手机、智能眼镜和人形机器人上的对话，而无需向云服务器发送任何音频。该版本于本周作为该公司 QVAC 人工智能项目的一部分宣布，是 Tether 认真致力于构建完全在个人设备上运行的人工智能软件的最新迹象。

此举让一家加密货币公司陷入了意想不到的境地：与云人工智能提供商展开竞争，理由是语音数据过于敏感，无法离开设备。 Tether 首席执行官保罗·阿尔多伊诺 (Paolo Ardoino) 在声明中表示：“人工智能的未来不应该意味着让中心化平台占据我们个人生活的前排位置。”他将 TranscribePsy 描述为语音识别的一个示例，可以完全在个人硬件上运行，而不依赖于集中式基础设施。 更多相关背景，请参阅我们的AI新闻。

基准测试结果：在手机 CPU 上比 Whisper 更快

据 crypto.news 审查了该公司发布的评估报告，Tether 在六款智能手机上测试了该模型，发现它的运行速度比第二快的评估系统快 2.6 倍，在手机 CPU 上运行时比 OpenAI 的开源 Whisper-small 模型快 5.7 倍。在 iPhone 上，与比较中包含的竞争 Core ML 模型相比，Core ML 优化版本所需的磁盘空间不到一半，内存也少了 1.7 倍。

准确性是使用单词错误率来衡量的，这是一种标准指标，用于计算转录系统相对于原始口语内容出现错误的单词数量。 Tether 随模型一起发布了评估配置，以便独立研究人员可以重现报告的数据——这种透明做法在消费者人工智能供应商中仍然不常见。

针对不同硬件的四个版本

TranscribePsy 有四种版本，针对不同类别的硬件：

  • 笔记本电脑型号 支持 25 种欧洲语言
  • 较小的配置专注于八种常用语言
  • GGUF 版本，通过 Tether 的 qvac-fabric-speech 软件内的 parakeet.cpp 引擎运行，适用于移动设备
  • 针对 Apple 神经引擎优化的 Core ML 版本，让兼容的 iPhone 使用专用芯片进行转录

这些模型旨在处理连续音频，在检测到语音后立即生成文本。 Tether 表示，该系统可以支持语音控制​​应用程序，这些应用程序无需将录音传输到外部服务器即可做出响应——这对于智能眼镜和可穿戴设备来说是有意义的，因为这些设备始终开启的麦克风引发了持续的隐私问题。

更广泛的 QVAC 推动的一部分

TranscribePsy 是 Tether QVAC 项目下的最新版本，该项目在 2026 年稳步扩张。今年 4 月，该公司推出了 QVAC SDK，这是一个开源开发工具包，用于在 iOS、Android、Windows、macOS 和 Linux 上运行人工智能应用程序，涵盖文本生成、语音处理、图像识别和翻译。该工具包基于 llama.cpp 的定制版本 QVAC Fabric 构建，并使用 Holepunch 技术进行点对点模型分发。

今年早些时候，Tether 将 BitNet LoRA 训练集成到 QVAC Fabric 中，称其在 Pixel 9、Galaxy S25 和 iPhone 16 等消费设备上微调了多达 38 亿个参数的模型，测试覆盖了 iPhone 16 上多达 130 亿个参数的模型。9 月，Ardoino 披露了点对点搜索引擎的工作，该引擎在 100 个分布式节点上存储了完整的维基百科档案。 2025 年 10 月，该公司发布了 QVAC Genesis I 数据集，其中包含 410 亿个合成代币，旨在训练数学、科学和技术推理模型。

为什么它很重要

随着设备制造商寻求无需连接且无需数据离开手机即可工作的功能，设备上的人工智能竞赛已经愈演愈烈。 Whisper 仍然是部署最广泛的开放式语音模型，但它并不是针对手机 CPU 的功率范围而设计的，而这正是专门构建的小型模型有差异化空间的地方。 Tether 的基准测试声称，如果它们能够支持独立复制，那么 TranscribePsy 将处于该组的前面。

对于 Tether 来说，该策略也是一种对冲。该公司的核心业务仍然是 USDT 稳定币，但其领导层在 2026 年构建了本地优先的人工智能基础设施组合——模型、SDK、数据集和点对点分发——符合其用户群的去中心化精神，同时减少对目前控制大部分人工智能推理的少数云提供商的依赖。

稳定币发行者能否成为语音人工智能领域可信的参与者是一个悬而未决的问题。但凭借已发布的基准、可重复的配置以及在人们已经拥有的手机上运行的工作模型，TranscribePsy 是比大多数设备上人工智能公告更具体的版本，这表明人工智能市场的隐私优先部分正在吸引不太可能的进入者。

权衡：能力与控制

小型设备模型在原始准确性方面仍然落后于云模型，特别是在口音语音、背景噪音和专业词汇方面。他们提供的交换是结构性的：没有网络依赖性，没有每次转录 API 成本，并且没有第三方持有音频。对于智能眼镜等可穿戴设备来说，云往返会增加每次交互的延迟，而始终监听的麦克风是产品的全部要点，本地处理可以说是唯一可以在不影响隐私的情况下进行扩展的设计。

Tether 押注，随着每一代硬件的出现，这种权衡都会进一步向本地处理倾斜。当前旗舰手机中的神经引擎已经提供了数十亿个参数的推理，而数亿范围内的模型（如 TranscribePsy）为更长的上下文、更多的语言和始终在线的操作留出了空间，而不会耗尽电池。

---

掌握AI最新动态

获取最新的AI新闻、分析和突破——尽在一处。

阅读更多AI新闻 →