Tether เปิดตัวโมเดลรู้จำเสียงบนอุปกรณ์ QVAC TranscribePsy

ผู้ออก stablecoin อย่าง Tether ผ่าน Tether AI Research (ในเอกสารอ้างถึงในชื่อ Tether Data, S.A. de C.V.) ได้เปิดตัวโมเดลรู้จำเสียงอัตโนมัติแบบหลายภาษาที่เป็นโอเพนซอร์สชื่อ QVAC TranscribePsy โมเดลนี้มี 254 ล้านพารามิเตอร์ ทำงานบนอุปกรณ์ทั้งหมด เหมาะสำหรับสมาร์ทโฟน แว่นตาอัจฉริยะ และหุ่นยนต์ฮิวแมนนอยด์ โดยไม่ต้องอัปโหลดเสียงขึ้นคลาวด์ แว่นตาอัจฉริยะสามารถประมวลผลได้เกือบเรียลไทม์ผ่านบลูทูธหรือ Wi-Fi และโมเดลยังสามารถทำงานบนโปรเซสเซอร์ของหุ่นยนต์ได้อีกด้วย ผลการประเมินพบว่าอัตราความผิดพลาดระดับคำ (word error rate) บน Open ASR Leaderboard อยู่ที่ 8.02% บน Multilingual LibriSpeech อยู่ที่ 6.58% และบน Common Voice อยู่ที่ 21.56% โดยทำได้ดีกว่า Qwen3-ASR-0.6B, omniASR-CTC-1B-v2, OWSM-CTC-v4 และ Whisper-Medium ที่ระบุชื่อไว้โดยเฉพาะบน Multilingual LibriSpeech ในบรรดาสมาร์ทโฟน 6 รุ่นที่ทดสอบ โมเดลนี้เป็นโมเดลที่เร็วที่สุด เร็วกว่าโมเดลที่เร็วเป็นอันดับสอง 2.6 เท่า และเร็วกว่า Whisper-small 5.7 เท่า เวอร์ชัน Core ML ถอดเสียง 10 นาทีเสร็จใน 1.65 วินาทีบน iPhone 17 Pro Max ใช้พื้นที่ดิสก์น้อยกว่าครึ่งหนึ่งของคู่แข่ง Core ML ที่ทดสอบ และใช้หน่วยความจำน้อยกว่า 1.7 เท่า