Tether lance un modèle de reconnaissance vocale AI hors ligne pour lunettes intelligentes et robots

Tether a publié un modèle de reconnaissance vocale de 254 millions de paramètres capable de transcrire des conversations directement sur des smartphones, des lunettes intelligentes et des robots humanoïdes sans envoyer d'audio vers des serveurs cloud. Résumé

• Tether a lancé TranscribePsy, un modèle AI de 254 millions de paramètres qui traite la parole localement sur des smartphones, des lunettes intelligentes et des robots humanoïdes sans accès au cloud.
• Le modèle a transcrit 10 minutes d'audio en 1,65 seconde sur un iPhone 17 Pro Max et a performé plus rapidement que plusieurs systèmes de reconnaissance vocale concurrents lors des tests de Tether.
• TranscribePsy prend en charge 25 langues européennes sur les ordinateurs portables et huit sur les téléphones, avec des versions dédiées optimisées pour le Neural Engine d'Apple.
• La publication en open source fait partie du projet QVAC AI de Tether, qui se concentre sur l'exécution d'applications AI directement sur des appareils grand public tout en préservant la confidentialité des données des utilisateurs.

Selon une annonce du 14 octobre de Tether AI Research, le modèle open source, appelé QVAC TranscribePsy, prend en charge la reconnaissance vocale multilingue et est conçu pour fonctionner sur des appareils avec une puissance de calcul limitée.

La société a déclaré que le modèle pouvait transcrire 10 minutes d'audio en 1,65 seconde sur un iPhone 17 Pro Max en utilisant le framework Core ML d'Apple.

TranscribePsy fait partie du projet QVAC AI de Tether, qui se concentre sur l'exécution d'applications d'intelligence artificielle localement. Sa publication donne aux développeurs accès à un logiciel de reconnaissance vocale qui peut fonctionner sans connexion Internet.

Pour les lunettes intelligentes, le modèle peut traiter l'audio reçu via Bluetooth ou Wi-Fi avec un délai minimal. Les robots humanoïdes peuvent exécuter le logiciel sur leurs processeurs embarqués, laissant la capacité de calcul disponible pour des fonctions telles que la navigation, la reconnaissance visuelle et le mouvement physique.

Tether a déclaré que le traitement local pourrait être utile lors de consultations médicales, d'entretiens juridiques, de séances de thérapie et de journalisme, où les enregistrements peuvent contenir des informations confidentielles.

Le modèle TranscribePsy de Tether enregistre de solides résultats de référence

Dans les évaluations de performance publiées par la société, TranscribePsy a enregistré un taux d'erreur de mots de 8,02 % sur le Open ASR Leaderboard et de 6,58 % sur Multilingual LibriSpeech.

Son taux d'erreur de mots sur Common Voice était de 21,56 %, Tether affirmant que le modèle a surpassé d'autres systèmes dans la même catégorie de paramètres.

Le modèle de 254 millions de paramètres a été comparé à des alternatives plus grandes, y compris Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 et Whisper-Medium.

Malgré un nombre de paramètres inférieur, TranscribePsy a mieux performé sur le benchmark Multilingual LibriSpeech que plusieurs modèles trois à quatre fois plus grands, selon les résultats de l'équipe de recherche.

Des tests effectués sur six smartphones ont montré que le modèle était 2,6 fois plus rapide que le système suivant le plus rapide et 5,7 fois plus rapide que Whisper-small lorsqu'il fonctionnait sur des CPU de téléphone.

Sa version optimisée pour iPhone nécessitait moins de la moitié de l'espace disque et 1,7 fois moins de mémoire qu'un modèle Core ML concurrent inclus dans l'évaluation.

La précision de la reconnaissance vocale a été mesurée en utilisant le taux d'erreur de mots, qui compare les mots générés par un système de transcription par rapport au contenu parlé original. Des scores plus bas indiquent moins d'erreurs de transcription.

Tether a publié les configurations d'évaluation avec le modèle pour permettre aux chercheurs de reproduire les résultats rapportés.

Le logiciel de reconnaissance vocale prend en charge 25 langues européennes

TranscribePsy a été publié en quatre versions conçues pour différents matériels et exigences linguistiques.

Un modèle pour ordinateur portable prend en charge 25 langues européennes, tandis qu'une configuration linguistique plus petite se concentre sur huit langues couramment utilisées.

Pour les appareils mobiles, Tether propose une version GGUF qui fonctionne via le moteur parakeet.cpp dans qvac-fabric-speech.

Une version Core ML distincte est optimisée pour le Neural Engine d'Apple, permettant aux iPhones compatibles d'effectuer des transcriptions en utilisant du matériel dédié.

Les modèles sont conçus pour traiter l'audio continu, produisant du texte peu après la détection de la parole. Tether a déclaré que le système pourrait soutenir des applications contrôlées par la voix qui répondent sans envoyer d'enregistrements à des serveurs externes.

Selon l'entreprise, le traitement local de la parole réduit le besoin de transmettre des conversations qui peuvent contenir des informations personnelles ou confidentielles.

Paolo Ardoino, le PDG de Tether, a déclaré que l'entreprise voulait que les utilisateurs conservent le contrôle de leurs conversations à mesure que les appareils activés par la voix deviennent plus courants.

"L'avenir de l'IA ne devrait pas signifier donner aux plateformes centralisées un siège au premier rang de nos vies personnelles," a déclaré Ardoino.

Il a décrit TranscribePsy comme un exemple de technologie de reconnaissance vocale qui peut fonctionner entièrement sur des appareils personnels sans dépendre d'une infrastructure centralisée.

TranscribePsy suit plusieurs publications dans le cadre du projet QVAC de Tether au cours de 2026.

En avril, Tether a introduit le QVAC SDK, un kit de développement open source pour exécuter des applications d'IA sur des smartphones et des ordinateurs.

Comme l'a précédemment rapporté crypto.news, le kit prend en charge iOS, Android, Windows, macOS et Linux, avec des fonctions couvrant la génération de texte, le traitement de la parole, la reconnaissance d'images et la traduction.

Le logiciel utilise QVAC Fabric, une version personnalisée de llama.cpp, ainsi que la technologie Holepunch pour la distribution de modèles peer-to-peer et le traitement délégué.

Avant la publication du SDK, Tether avait intégré BitNet LoRA dans QVAC Fabric en mars pour soutenir l'entraînement et l'exécution de grands modèles d'IA sur du matériel grand public.

À l'époque, l'entreprise avait déclaré avoir affiné des modèles contenant jusqu'à 3,8 milliards de paramètres sur des appareils tels que le Pixel 9, le Galaxy S25 et l'iPhone 16.

Ses tests ont couvert des modèles avec jusqu'à 13 milliards de paramètres sur l'iPhone 16, tandis que le traitement GPU a permis des améliorations de vitesse allant de deux à 11 fois par rapport aux références CPU dans les évaluations de l'entreprise.

La recherche de Tether sur l'informatique décentralisée s'est étendue au-delà des modèles d'IA.

En septembre, Ardoino a révélé des progrès sur un moteur de recherche peer-to-peer conçu pour fonctionner à travers des nœuds distribués.

L'équipe avait stocké l'archive complète de Wikipedia sur 100 nœuds et a démontré la fonctionnalité de recherche sans dépendre d'un service de recherche centralisé.

Le moteur de recherche est toujours en développement, l'équipe travaillant sur une architecture destinée à supporter des milliers de nœuds interconnectés.

Les travaux antérieurs de Tether sur l'IA comprenaient le jeu de données QVAC Genesis I, publié en octobre 2025 avec 41 milliards de tokens synthétiques destinés à l'entraînement de modèles en mathématiques, sciences et raisonnement technique.

Avec le jeu de données, l'entreprise a introduit QVAC Workbench, une application grand public qui permet aux utilisateurs d'exécuter des modèles d'IA pris en charge localement.

TranscribePsy publié avec des poids de modèle ouverts

La dernière version de TranscribePsy est disponible sous la licence Apache 2.0, Tether identifiant l'utilisation à des fins de recherche et d'éducation comme faisant partie de la publication.

Les développeurs peuvent accéder aux poids du modèle, aux builds mobiles GGUF, aux versions Apple Silicon Core ML et aux configurations d'évaluation.

Au sein de l'écosystème QVAC Psy, le logiciel de reconnaissance vocale est destiné à fonctionner avec d'autres modèles spécialisés, y compris VisionPsy, TranslatePsy-Nano et MedPsy.

Tether a identifié l'analyse de documents, la traduction, la navigation et la prise de notes privées comme des applications possibles pour de futures intégrations. La publication d'octobre fournit le composant de reconnaissance vocale, tandis que ces applications combinées restent prospectives.

L'équipe de recherche, opérant sous Tether Data, S.A. de C.V., a déclaré que son travail continu couvre des modèles compacts pour le traitement de l'audio, du texte, des images et de la vidéo sur des appareils grand public.

Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.