Tether AI Research于10月14日发布开源语音识别模型QVAC TranscribePsy，参数规模为2.54亿。该模型可在智能手机、智能眼镜和人形机器人上本地转录对话，无需将音频发送至云端服务器。
性能与基准
Tether表示，TranscribePsy在iPhone 17 Pro Max上借助Apple Core ML框架，可在1.65秒内转录10分钟音频。其Open ASR Leaderboard词错误率为8.02%，Multilingual LibriSpeech为6.58%，Common Voice为21.56%。公司称，该模型在同参数类别中表现优于其他系统。
研究团队将2.54亿参数模型与Qwen3-ASR-0.6B、omniASR-CTC-1B-v2、OWSM-CTC-v4和Whisper-Medium等更大模型比较。结果显示，尽管参数更少，TranscribePsy在Multilingual LibriSpeech基准上优于部分三到四倍大小的模型。
在六款智能手机测试中，该模型在手机CPU上比次快系统快2.6倍，比Whisper-small快5.7倍。iPhone优化版所需磁盘空间不到竞争Core ML模型一半，内存占用少1.7倍。
设备与语言支持
TranscribePsy推出四个版本。笔记本版本支持25种欧洲语言，较小语言配置聚焦8种常用语言。移动设备提供GGUF版本，通过qvac-fabric-speech中的parakeet.cpp引擎运行；另有Core ML版本针对Apple神经引擎优化。智能眼镜可处理蓝牙或Wi-Fi音频，人形机器人可在板载处理器运行，释放算力用于导航、视觉识别和物理运动。
隐私与高管评论
Tether称，本地处理适用于医疗咨询、法律访谈、治疗会话和新闻采访等可能包含机密信息的场景。模型面向连续音频，检测到语音后可快速生成文本。
Tether CEO Paolo Ardoino表示，公司希望用户随着语音设备普及继续掌控自己的对话。他说：“AI的未来不应意味着让中心化平台前排观看我们的个人生活。”他将TranscribePsy描述为完全可在个人设备运行、不依赖中心化基础设施的语音识别技术示例。
QVAC生态与开源发布
最新TranscribePsy版本采用Apache 2.0许可发布，Tether将其定位为研究和教育用途的一部分。开发者可获取模型权重、移动GGUF构建、Apple Silicon Core ML版本和评估配置。在QVAC Psy生态中，该语音识别软件计划与VisionPsy、TranslatePsy-Nano和MedPsy等专用模型协同，面向文档分析、翻译、导航和私人笔记等应用。
10月发布提供语音识别组件，组合应用仍属前瞻规划。此前，Tether在QVAC项目下已发布多项成果：4月推出QVAC SDK；3月将BitNet LoRA集成至QVAC Fabric；9月披露点对点搜索引擎进展，并在100个节点存储完整Wikipedia档案；2025年10月发布QVAC Genesis I数据集，含410亿合成token，并推出QVAC Workbench。Tether Data, S.A. de C.V.研究团队表示，其持续工作覆盖消费设备上的音频、文本、图像和视频紧凑模型。