Компания Tether представила TranscribePsy, модель распознавания речи с 254 млн параметров, которая может транскрибировать разговоры прямо на смартфонах, смарт-очках и гуманоидных роботах без передачи аудио на облачные серверы. По данным объявления Tether AI Research от 14 октября, модель с открытым кодом поддерживает многоязычное распознавание речи и рассчитана на устройства с ограниченными вычислительными ресурсами.
По тестам компании, на iPhone 17 Pro Max с использованием фреймворка Core ML модель транскрибирует 10 минут аудио за 1,65 секунды. TranscribePsy входит в проект QVAC AI, который направлен на запуск ИИ-приложений непосредственно на потребительских устройствах с сохранением приватности данных. Tether считает, что локальная обработка может быть полезна при медицинских консультациях, юридических интервью, сеансах терапии и в журналистике, где записи могут содержать конфиденциальную информацию.
В тестах доля ошибок в словах (WER) составила 8,02% на Open ASR Leaderboard, 6,58% на Multilingual LibriSpeech и 21,56% на Common Voice. Модель сравнивали с более крупными аналогами, среди которых Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 и Whisper-Medium. По данным исследователей, на Multilingual LibriSpeech TranscribePsy показала результат лучше, чем несколько моделей, которые в три-четыре раза крупнее. В тестах на шести смартфонах при работе на процессорах модель оказалась в 2,6 раза быстрее следующей по скорости системы и в 5,7 раза быстрее Whisper-small. Tether опубликовала конфигурации тестов, чтобы исследователи могли воспроизвести результаты.
Модель выпущена в четырех версиях. Одна для ноутбуков поддерживает 25 европейских языков, облегченная конфигурация рассчитана на восемь распространенных языков. Для мобильных устройств доступна версия GGUF, работающая через parakeet.cpp, а также отдельная версия Core ML, оптимизированная для Neural Engine от Apple. Модели обрабатывают непрерывное аудио и выдают текст вскоре после обнаружения речи.
Генеральный директор Tether Паоло Ардоино заявил, что компания хочет, чтобы пользователи сохраняли контроль над своими разговорами по мере распространения устройств с голосовым управлением. «Будущее ИИ не должно означать, что централизованные платформы получают место в первом ряду в нашу личную жизнь», – сказал он.
Модель распространяется по лицензии Apache 2.0, доступны веса, мобильные сборки GGUF, версии Core ML для Apple Silicon и конфигурации тестов.
Материал подготовлен исключительно в ознакомительно-информационных целях и не является финансовым советом и рекомендацией.