Tether 發布端側語音識別模型 QVAC TranscribePsy
ChainCatcher 消息,穩定幣發行商 Tether 旗下 Tether AI Research(文中指 Tether Data, S.A. de C.V.)發布開源多語言自動語音識別模型 QVAC TranscribePsy。該模型參數量為 2.54 億,完全在設備端運行,適用於智能手機、智能眼鏡和人形機器人,音頻無需上傳雲端;智能眼鏡可通過藍牙或 Wi-Fi 近實時處理,模型也可在機器人機載處理器上運行。評測顯示,其在 Open ASR Leaderboard 上的詞錯誤率為 8.02%,在 Multilingual LibriSpeech 上為 6.58%,在 Common Voice 上為 21.56%。在 Multilingual LibriSpeech 上優於文中點名的 Qwen3-ASR-0.6B、omniASR-CTC-1B-v2、OWSM-CTC-v4 和 Whisper-Medium。在六款測試手機上,它是最快模型,比次快模型快 2.6 倍,比 Whisper-small 快 5.7 倍。Core ML 版本在 iPhone 17 Pro Max 上將 10 分鐘音頻轉寫為 1.65 秒,磁碟佔用不到某測試 Core ML 競品的一半,內存少 1.7 倍。