Tether发布2.54亿参数语音识别模型TranscribePsy，支持端侧隐私转录

币安Binance

币安交易所是全球加密货币交易所龙头，在手机上即可买卖比特币等数字货币！

官网注册  APP下载

Tether近日发布名为TranscribePsy的开源语音识别模型，该模型拥有2.54亿参数，专为在消费级设备上高效运行而设计，支持在手机、智能眼镜及人形机器人等终端完成音频的本地处理。

本地化处理保障数据隐私

作为Tether QVAC AI项目的重要组成部分，TranscribePsy强调用户对个人对话内容的掌控权。通过在设备端完成语音转录，避免敏感信息上传至中心化服务器，适用于医疗咨询、法律访谈、心理治疗等高隐私要求场景。

该模型可借助蓝牙或Wi-Fi接收音频输入，在智能眼镜中实现低延迟响应；在人形机器人中则利用机载处理器执行任务，不影响导航与视觉识别等核心功能的计算资源分配。

性能表现超越同类系统

根据官方发布的基准测试结果，TranscribePsy在Open ASR Leaderboard上的字错误率（WER）为8.02%，在Multilingual LibriSpeech数据集上达到6.58%，在Common Voice数据集上为21.56%。尽管参数规模较小，但其准确率已超过多个体积为其三到四倍的大型模型。

在跨六款主流智能手机的实测中，该模型在手机CPU上运行时速度比次优系统快2.6倍，较Whisper-small快5.7倍。针对iPhone优化的Core ML版本磁盘占用不足竞品的一半，内存消耗减少1.7倍。

字错误率是衡量语音识别准确性的重要指标，数值越低代表转录结果越接近原始语音内容。

多版本适配不同硬件与语言需求

TranscribePsy提供四种部署版本：笔记本版支持25种欧洲语言；轻量级版聚焦8种高频语言；移动端采用GGUF格式，由qvac-fabric-speech引擎驱动；Core ML版则针对Apple Neural Engine优化，提升运行效率。

所有版本均支持连续语音输入，可在检测到说话后快速生成文本，适用于无需依赖外部服务器的语音控制应用，降低敏感对话外泄风险。

QVAC AI生态持续扩展

此次发布是Tether在2026年QVAC项目中的最新进展。今年4月，公司推出QVAC SDK，一个支持iOS、Android、Windows、macOS和Linux的开源开发工具包，涵盖文本生成、图像识别、语音处理与翻译等功能。

该平台基于定制版llama.cpp（即QVAC Fabric），结合Holepunch技术实现点对点模型分发与委托计算。此前3月，团队已将BitNet LoRA集成至框架中，使消费级设备能够训练和运行高达38亿参数的模型，并在iPhone 16上成功测试130亿参数模型，GPU加速效果达CPU基线的2至11倍。

此外，Tether于9月披露分布式搜索引擎研发进展，已在100个节点上部署完整维基百科数据，正在构建支持数千节点互联的去中心化架构。

早期成果还包括2025年10月发布的QVAC Genesis I数据集（含410亿合成令牌）和用于本地运行AI应用的QVAC Workbench工具。

开源许可与未来规划

TranscribePsy以Apache 2.0许可证发布，允许研究与教育用途使用。开发者可获取模型权重、GGUF构建文件、Core ML版本及完整评估配置。

在QVAC Psy生态系统中，该模型将与其他专用组件如VisionPsy、TranslatePsy-Nano和MedPsy协同工作，未来有望应用于文档解析、实时翻译、智能导航与私人笔记记录等场景。目前语音识别模块已上线，其他整合方案仍处于前瞻性设计阶段。

Tether Data, S.A. de C.V.的研究团队表示，后续将持续推进适用于消费级设备的轻量级音频、文本、图像与视频处理模型研发，推动去中心化人工智能的普及落地。