Tether phát hành mô hình nhận diện giọng nói bên cạnh QVAC TranscribePsy

Nhà phát hành stablecoin Tether thuộc Tether AI Research (trong bài viết chỉ Tether Data, S.A. de C.V.) đã phát hành mô hình nhận diện giọng nói tự động đa ngôn ngữ mã nguồn mở QVAC TranscribePsy. Mô hình này có số lượng tham số là 254 triệu, hoàn toàn hoạt động trên thiết bị, phù hợp với điện thoại thông minh, kính thông minh và robot hình người, âm thanh không cần tải lên đám mây; kính thông minh có thể xử lý gần thời gian thực qua Bluetooth hoặc Wi-Fi, mô hình cũng có thể chạy trên bộ xử lý trên máy bay của robot.

Đánh giá cho thấy, tỷ lệ lỗi từ của nó trên Bảng xếp hạng Open ASR là 8.02%, trên Multilingual LibriSpeech là 6.58%, trên Common Voice là 21.56%. Nó vượt trội hơn so với Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 và Whisper-Medium được đề cập trong bài viết trên Multilingual LibriSpeech. Trên sáu mẫu điện thoại thử nghiệm, nó là mô hình nhanh nhất, nhanh hơn mô hình nhanh thứ hai 2.6 lần, nhanh hơn Whisper-small 5.7 lần. Phiên bản Core ML trên iPhone 17 Pro Max đã chuyển đổi 10 phút âm thanh thành 1.65 giây, chiếm dung lượng đĩa chưa đến một nửa so với một sản phẩm cạnh tranh Core ML nào đó, và tiêu tốn bộ nhớ ít hơn 1.7 lần.