Tether AI Research发布端侧语音识别模型TranscribePsy，面向智能眼镜与人形机器人

10 月 14 日，Tether AI Research 发布开源多语言自动语音识别模型 QVAC TranscribePsy，参数量约 2.54 亿，可在设备端完整运行，无需将音频上传云端。官方称其可近实时处理智能眼镜经蓝牙或 Wi-Fi 接入的音频，也可在人形机器人机载处理器上运行；在 iPhone 17 Pro Max 的 Core ML 版本上，转录 10 分钟音频约需 1.65 秒。据其披露的评测数据，TranscribePsy 在 Open ASR Leaderboard 词错误率（WER）为 8.02%，在 Multilingual LibriSpeech 上为 6.58%，在 Common Voice 上为 21.56%；在六款测试手机上速度为同类最快，较次快模型快约 2.6 倍。模型覆盖笔记本端 25 种欧洲语言、手机端 8 种欧洲语言，并以 Apache 2.0 许可证发布模型权重及 GGUF、Core ML 等构建版本。Tether CEO Paolo Ardoino 表示，希望先进语音 AI 在用户自有设备上本地运行，数据不必离开设备。[原文链接](BlockBeats)