Tether выпустила модель распознавания речи на сайдчейне QVAC TranscribePsy

Эмитент стейблкоинов Tether через своё подразделение Tether AI Research (в тексте упоминается как Tether Data, S.A. de C.V.) выпустила открытую мультиязычную модель автоматического распознавания речи QVAC TranscribePsy. Модель содержит 254 миллиона параметров и работает полностью на устройстве, подходит для смартфонов, умных очков и гуманоидных роботов, при этом аудио не нужно загружать в облако; умные очки могут обрабатывать данные почти в реальном времени через Bluetooth или Wi-Fi, а модель также может работать на бортовом процессоре робота. Оценка показывает, что частота ошибок в словах на Open ASR Leaderboard составляет 8,02%, на Multilingual LibriSpeech — 6,58%, на Common Voice — 21,56%. Она превосходит специально упомянутые Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 и Whisper-Medium на Multilingual LibriSpeech. Среди шести протестированных смартфонов это самая быстрая модель: она в 2,6 раза быстрее второй по скорости модели и в 5,7 раза быстрее Whisper-small. Версия для Core ML транскрибирует 10 минут аудио за 1,65 секунды на iPhone 17 Pro Max, занимая менее половины дискового пространства некоего протестированного конкурента для Core ML и используя в 1,7 раза меньше памяти.