Tether, 오프라인 음성 인식 모델 TranscribePsy 출시

Tether는 TranscribePsy를 도입했으며, 이는 2억 5천 4백만 개의 매개변수를 가진 음성 인식 모델로, 스마트폰, 스마트 안경 및 휴머노이드 로봇에서 오디오를 클라우드 서버로 전송하지 않고 직접 대화를 전사할 수 있습니다. Tether AI Research의 10월 14일 발표에 따르면, 이 오픈 소스 모델은 다국어 음성 인식을 지원하며, 제한된 컴퓨팅 자원을 가진 장치에 맞게 설계되었습니다.

회사의 테스트에 따르면, iPhone 17 Pro Max에서 Core ML 프레임워크를 사용하여 모델은 10분의 오디오를 1.65초 만에 전사합니다. TranscribePsy는 QVAC AI 프로젝트의 일환으로, 데이터 프라이버시를 유지하면서 소비자 장치에서 직접 AI 애플리케이션을 실행하는 것을 목표로 합니다. Tether는 로컬 처리가 의료 상담, 법률 인터뷰, 치료 세션 및 저널리즘과 같이 녹음에 기밀 정보가 포함될 수 있는 경우에 유익할 수 있다고 믿습니다.

테스트에서 단어 오류율(WER)은 Open ASR Leaderboard에서 8.02%, Multilingual LibriSpeech에서 6.58%, Common Voice에서 21.56%였습니다. 이 모델은 Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4, Whisper-Medium을 포함한 더 큰 모델들과 비교되었습니다. 연구원들에 따르면, Multilingual LibriSpeech에서 TranscribePsy는 세 배에서 네 배 더 큰 여러 모델보다 더 나은 성능을 보였습니다. 프로세서에서 실행되는 여섯 대의 스마트폰에서 테스트한 결과, 이 모델은 다음으로 빠른 시스템보다 2.6배 빠르고 Whisper-small보다 5.7배 빠릅니다. Tether는 연구자들이 결과를 재현할 수 있도록 테스트 구성을 공개했습니다.

이 모델은 네 가지 버전으로 출시됩니다. 노트북용은 25개의 유럽 언어를 지원하며, 경량 구성은 여덟 개의 일반적인 언어를 위해 설계되었습니다. 모바일 장치용으로는 parakeet.cpp를 통해 실행되는 GGUF 버전과 Apple의 Neural Engine에 최적화된 별도의 Core ML 버전이 제공됩니다. 이 모델들은 연속적인 오디오를 처리하고 음성을 감지한 직후 텍스트를 출력합니다.

Tether의 CEO Paolo Ardoino는 음성 제어 장치가 더 널리 보급됨에 따라 사용자가 대화에 대한 통제권을 유지하기를 원한다고 말했습니다. "AI의 미래는 중앙 집중식 플랫폼이 우리의 개인 생활에 깊이 관여하는 것을 의미해서는 안 됩니다,"라고 그는 말했습니다.

이 모델은 Apache 2.0 라이선스 하에 배포되며, 가중치, GGUF 모바일 빌드, Apple Silicon용 Core ML 버전 및 테스트 구성이 제공됩니다.