Tether AI Research發布端側語音識別模型TranscribePsy，面向智能眼鏡與人形機器人

BlockBeats 消息，10 月 14 日，Tether AI Research 發布開源多語言自動語音識別模型 QVAC TranscribePsy，參數量約 2.54 億，可在設備端完整運行，無需將音頻上傳雲端。官方稱其可近實時處理智能眼鏡經藍牙或 Wi-Fi 接入的音頻，也可在人形機器人機載處理器上運行；在 iPhone 17 Pro Max 的 Core ML 版本上，轉錄 10 分鐘音頻約需 1.65 秒。

據其披露的評測數據，TranscribePsy 在 Open ASR Leaderboard 詞錯誤率（WER）為 8.02%，在 Multilingual LibriSpeech 上為 6.58%，在 Common Voice 上為 21.56%；在六款測試手機上速度為同類最快，較次快模型快約 2.6 倍。模型覆蓋筆記本端 25 種歐洲語言、手機端 8 種歐洲語言，並以 Apache 2.0 許可證發布模型權重及 GGUF、Core ML 等構建版本。Tether CEO Paolo Ardoino 表示，希望先進語音 AI 在用戶自有設備上本地運行，數據不必離開設備。