Tether AI Research, la cellule d'intelligence artificielle de Tether Data, a mis en ligne le 14 octobre 2026 QVAC TranscribePsy, un modèle de reconnaissance automatique de la parole de 254 millions de paramètres conçu pour transcrire l'audio sur ordinateur portable et sur téléphone sans l'envoyer vers un serveur. Les poids sont disponibles sur Hugging Face sous Apache 2.0, avec des versions GGUF pour les processeurs mobiles, une version Core ML pour le Neural Engine d'Apple et les configurations d'évaluation ayant servi aux chiffres annoncés. Le code et les données d'entraînement ne sont pas fournis.
Quatre déclinaisons sont proposées. TranscribePsy-250M-EU couvre 25 langues européennes et vise les portables. TranscribePsy-250M-EU-sub se limite aux huit langues de Multilingual LibriSpeech (néerlandais, anglais, français, allemand, italien, polonais, portugais et espagnol) pour gagner en précision ; c'est lui qui sert de base aux versions mobiles GGUF et Core ML. Dans le modèle à 25 langues, l'anglais passe par les poids principaux tandis qu'un petit adaptateur gère les 24 autres ; un aiguillage linguistique choisit la voie pour chaque énoncé, au prix d'environ 0,1 point d'erreur sur l'anglais selon Tether.
Sur le plan technique, il s'agit d'un transducteur FastConformer-TDT. L'équipe est partie du Parakeet-TDT-0.6B-v3 de NVIDIA, fort de 627 millions de paramètres, l'a réduit par élagage structuré puis a entraîné le réseau allégé à reproduire l'original, sur quelque 564 000 heures de parole en 25 langues. Pour Tether, démarrer d'une copie élaguée du modèle enseignant plutôt que de zéro explique qu'un modèle aussi léger reste dans la course. Un rapport technique détaillé, langue par langue, est annoncé mais pas encore publié.
Sur les mesures de Tether, le modèle à 25 langues affiche 8,02 % de taux d'erreur sur les mots pour la suite Open ASR Leaderboard, 6,58 % sur Multilingual LibriSpeech et 21,56 % sur Common Voice, contre 12,34 %, 11,51 % et 38,17 % attribués à Whisper-small. Face à des systèmes plus gros, le bilan est contrasté : TranscribePsy devance Whisper-Medium, omniASR-CTC-1B-v2, OWSM-CTC-v4 et Qwen3-ASR-0.6B sur Multilingual LibriSpeech, mais Qwen3-ASR-0.6B l'emporte sur Open ASR Leaderboard (7,40 % contre 8,02 %) et omniASR-CTC-1B-v2 fait mieux sur Common Voice (20,07 % contre 21,56 %).
C'est sur la vitesse que Tether insiste le plus. Sur six smartphones, de l'iPhone 15 au Pixel 10 en passant par le Galaxy S26 Ultra, chaque modèle a transcrit les mêmes 40 minutes d'audio. La version GGUF à huit langues a demandé en moyenne 1 021 millisecondes par énoncé sur le processeur, contre 2 631 ms pour omniASR-CTC-300M-v2 et 5 854 ms pour Whisper-small, avec un démarrage à froid d'environ 252 ms et une mémoire maximale proche de 534 Mio. Sur le Neural Engine d'un iPhone 17 Pro Max, la version Core ML a traité un enregistrement de 10 minutes en 1,65 seconde une fois chargée, mais son démarrage à froid atteint 12,7 secondes d'après la page GitHub du projet. Android reste plus lent : l'ensemble complet a pris 62 secondes sur le Galaxy S26 Ultra et 180 sur le Pixel 9.
Tether présente ce modèle comme une brique de confidentialité pour les appareils à l'écoute permanente, lunettes connectées ou robots humanoïdes, et comme la couche vocale de sa gamme QVAC Psy, qui compte VisionPsy, TranslatePsy et MedPsy. Côté développeurs, les usages concrets vont de la dictée hors connexion aux comptes rendus de réunions et de cours, en passant par le sous-titrage et les commandes vocales là où le réseau manque ou lorsque l'audio ne doit pas quitter l'appareil.
Plusieurs réserves s'imposent. Tous les chiffres de précision et de latence proviennent de Tether, et aucune reproduction indépendante n'avait été trouvée au moment de la publication. La couverture se limite aux langues européennes, les versions actuelles transcrivent une fois la phrase terminée plutôt qu'en flux continu, et l'entreprise décrit les poids Apache 2.0 comme destinés à la recherche et à l'enseignement, une précision que les utilisateurs commerciaux voudront faire éclaircir.