Tether, akıllı gözlükler ve insansı robotlar için yeni ses tanıma modeli geliştirdi

Tether AI Research tarafından geliştirilen QVAC TranscribePsy, akıllı telefonlar, akıllı gözlükler ve insansı robotlarda tamamen cihaz üzerinde çalışmak üzere tasarlandı. Model, ses kayıtlarını bulut sunucularına göndermeden çevrimdışı olarak işleyebiliyor. Bluetooth veya Wi-Fi üzerinden bağlanan akıllı gözlüklerden gelen sesleri gerçek zamana yakın biçimde işleyebilen sistem, insansı robotların kendi işlemcilerinde de çalışabiliyor. Sesle çalışan teknolojilerin evlerde, iş yerlerinde ve günlük yaşamda yaygınlaşmasıyla birlikte model, özel konuşmaların ve hassas bilgilerin buluta aktarılması ihtiyacını ortadan kaldırmayı hedefliyor. Böylece kullanıcılar, ses verileri üzerindeki kontrollerini koruyabiliyor.

Kompakt yapısıyla yüksek performans

Yalnızca 254 milyon parametreye sahip TranscribePsy, doğruluk, hız ve bellek verimliliği alanlarında öne çıkıyor. Model, Open ASR Leaderboard’da yüzde 8,02, Multilingual LibriSpeech’te yüzde 6,58 ve Common Voice’ta yüzde 21,56 kelime hata oranı (WER) elde etti. Multilingual LibriSpeech testinde kendisinden üç ila dört kat daha büyük bazı modelleri geride bıraktı.

Altı akıllı telefonda yapılan testlerde en hızlı model olan TranscribePsy, işlemci performansında kendisinden sonra gelen modele kıyasla 2,6 kat, Whisper-small modeline kıyasla ise 5,7 kat daha hızlı çalıştı. Apple Core ML sürümü, iPhone 17 Pro Max’te 10 dakikalık sesi 1,65 saniyede yazıya dönüştürürken test edilen rakip Core ML modeline kıyasla disk alanının yarısından azını ve 1,7 kat daha az belleği kullandı.

Model, dizüstü bilgisayarlarda 25 Avrupa dilini, telefonlarda ise 8 Avrupa dilini destekliyor. Ayrıca iPhone’un Neural Engine birimi için optimize edilmiş özel bir sürüm sunuyor.

Ses odaklı yapay zekâ uygulamalarına altyapı

TranscribePsy, sürekli ve gerçek zamana yakın ses işleme için geliştirildi. Cihaz üzerinde çalışan ses tanıma teknolojisi, bulut tabanlı işlemeyle ilişkili gecikmeleri ve veri sızıntısı risklerini azaltabiliyor. Bu yaklaşım; tıbbi görüşmeler, hukuki mülakatlar, terapi seansları ve gizlilik gerektiren gazetecilik faaliyetleri gibi hassas alanlarda önem taşıyor. İnsansı robotlarda ise kompakt model, görsel algılama, mekânsal haritalama ve fiziksel kontrol gibi diğer görevler için işlem kaynaklarının korunmasına yardımcı oluyor.

Yayımlanan paket; 25 Avrupa dilini destekleyen dizüstü bilgisayar modelini, sekiz temel dile odaklanan alternatif sürümü, qvac-fabric-speech’in parakeet.cpp motorunda çalışan GGUF mobil sürümünü ve iPhone Neural Engine için optimize edilen Core ML sürümünü içeriyor. QVAC ekosisteminde TranscribePsy, VisionPsy, TranslatePsy-Nano ve MedPsy ile olası entegrasyonlar için ses-metin dönüşüm altyapısı sunuyor. Bu yeteneklerin bir araya gelmesi; sesle belge analizini, çeviriyi, navigasyonu ve özel not almayı destekleyebilecek uygulamaların önünü açıyor.

“Yapay zekânın geleceği, kişisel yaşamımızı merkezi platformların erişimine açmamızı gerektirmemeli”

Tether CEO’su Paolo Ardoino, TranscribePsy’ın gelişmiş sesli yapay zekânın hızlı, yetenekli ve tamamen cihaz üzerinde çalışabileceğini gösterdiğini belirtti. Ardoino, yapay zekânın telefonlara, gözlüklere ve makinelere entegre olacağını ancak bunun kullanıcı verilerinin bu cihazların dışına çıkmasını gerektirmediğini vurgulayarak, kullanıcıların verileri ve gizlilikleri üzerindeki kontrolünü koruyan çözümler geliştirmeyi hedeflediklerini ifade etti.

Açık kaynaklı ve yeniden üretilebilir

TranscribePsy, araştırma ve eğitim amaçları için Apache 2.0 lisansı altında yayımlandı. Açık model ağırlıkları, GGUF mobil sürümleri, Apple Silicon Core ML derlemeleri ve şeffaf, tekrarlanabilir performans karşılaştırmalarına yönelik eksiksiz değerlendirme yapılandırmaları da pakete dâhil edildi. Model, Tether AI Research’ün ses, metin, görüntü ve videoyu doğrudan uç cihazlarda işleyebilen kompakt ve verimli yapay zekâ modelleri geliştirme çalışmalarının bir parçası. Uzun vadeli hedef, hassas verilerin cihaz dışına çıkmasını gerektirmeden gelişmiş çok modlu yapay zekâyı ihtiyaç duyulan her yerde kullanılabilir hâle getirmek.

QVAC hakkında

QVAC, açık, merkeziyetsiz ve uyarlanabilir zekâ sistemleri geliştirmeye odaklanan Tether Data’nın yapay zekâ araştırma girişimidir. “Yerel Yapay Zekâ, Sınırsız Zekâ” misyonuyla hareket eden QVAC, yapay zekânın kurumsal veri merkezlerinde yoğunlaşmak yerine her cihazda çalışabildiği ve öğrenebildiği bir yaklaşımı destekliyor.

Tether Data hakkında

Tether Data, S.A. de C.V., Tether’ın teknoloji aracılığıyla özgürlük, şeffaflık ve inovasyonu geliştirme vizyonunun bir parçasıdır. Şirket, bireylerin ve kurumların gereksiz aracılar olmadan doğrudan bağlantı kurmasını ve bilgi paylaşmasını sağlamayı amaçlıyor. Güvenli, eşler arası sistemler aracılığıyla kullanıcıların verileri, iletişimleri ve dijital etkileşimleri üzerindeki kontrolünü artırmayı hedefleyen Tether Data, merkezi modellerin yerine gizlilik, verimlilik ve dayanıklılık odaklı merkeziyetsiz altyapılar geliştirmeye odaklanıyor.