Tether ha introducido TranscribePsy, un modelo de reconocimiento de voz con 254 millones de parámetros que puede transcribir conversaciones directamente en teléfonos inteligentes, gafas inteligentes y robots humanoides sin enviar audio a servidores en la nube. Según el anuncio de Tether AI Research del 14 de octubre, el modelo de código abierto admite el reconocimiento de voz multilingüe y está diseñado para dispositivos con recursos computacionales limitados.
Según las pruebas de la compañía, en un iPhone 17 Pro Max utilizando el marco Core ML, el modelo transcribe 10 minutos de audio en 1.65 segundos. TranscribePsy es parte del proyecto QVAC AI, que busca lanzar aplicaciones de IA directamente en dispositivos de consumo mientras se mantiene la privacidad de los datos. Tether cree que el procesamiento local puede ser beneficioso en consultas médicas, entrevistas legales, sesiones de terapia y periodismo, donde las grabaciones pueden contener información confidencial.
En las pruebas, la tasa de error de palabras (WER) fue del 8.02% en el Open ASR Leaderboard, 6.58% en Multilingual LibriSpeech y 21.56% en Common Voice. El modelo se comparó con contrapartes más grandes, incluyendo Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 y Whisper-Medium. Según los investigadores, en Multilingual LibriSpeech, TranscribePsy tuvo un mejor desempeño que varios modelos que son tres a cuatro veces más grandes. En pruebas en seis teléfonos inteligentes con procesadores, el modelo fue 2.6 veces más rápido que el siguiente sistema más rápido y 5.7 veces más rápido que Whisper-small. Tether ha publicado las configuraciones de prueba para que los investigadores puedan replicar los resultados.
El modelo se lanza en cuatro versiones. Una para laptops admite 25 idiomas europeos, una configuración ligera está diseñada para ocho idiomas comunes. Para dispositivos móviles, está disponible una versión GGUF, que funciona a través de parakeet.cpp, así como una versión Core ML separada optimizada para el Neural Engine de Apple. Los modelos procesan audio continuo y generan texto poco después de detectar el habla.
El CEO de Tether, Paolo Ardoino, declaró que la compañía quiere que los usuarios mantengan el control sobre sus conversaciones a medida que los dispositivos controlados por voz se vuelven más comunes. "El futuro de la IA no debería significar que las plataformas centralizadas tengan un asiento en primera fila en nuestras vidas personales", dijo.
El modelo se distribuye bajo la licencia Apache 2.0, con pesos, compilaciones móviles GGUF, versiones Core ML para Apple Silicon y configuraciones de prueba disponibles.
Este material se ha preparado exclusivamente con fines informativos y no constituye asesoramiento ni recomendación financiera.
Artículos relacionados
