穩定幣發行商泰達(Tether)旗下人工智慧計畫QVAC表示,已在未連接網路的iPhone上,於28.7秒內將一部96分鐘電影的語音內容轉錄成文字。
QVAC官方帳號表示,測試時把iPhone設為飛航模式,未連接雲端。同次公開內容還提到,QVAC在32秒內將一段12分鐘故事製作成有聲書。
保羅·阿多伊諾(Paolo Ardoino) 泰達執行長表示,QVAC是「市場上最快的語音引擎」。這是QVAC在介紹自家技術時提出的評價。
轉錄使用QVAC語音辨識模型TranscribePsy,並由蘋果($AAPL)的Neural Engine處理。QVAC表示,TranscribePsy在Neural Engine上的速度,比在iPhone GPU執行時快5倍。
QVAC官方介紹將TranscribePsy列為擁有254M(2.54億)參數的模型。筆記型電腦版本支援25種歐洲語言,手機版本支援8種;QVAC表示,iPhone 17 Pro Max可在1.65秒內處理10分鐘錄音。
QVAC表示,已在iPhone 17 Pro Max、iPhone 15、Galaxy S26 Ultra、Galaxy S25 Ultra、Pixel 10及Pixel 9等6款智慧手機上執行相同音訊並測量效能。上述數值來自這次自行進行的測試。
TranscribePsy在手機上約使用530~540MiB記憶體。模型設計成讓語音檔案不離開裝置,即使網路中斷也能在手機內處理。
目前手機版本支援荷蘭語、英語、法語、德語、義大利語、波蘭語、葡萄牙語及西班牙語等8種語言,支援清單未包含韓語。
目前採錄音結束後再處理的方式,即時串流轉錄仍在開發中。QVAC表示,這項技術可用於會議或課程錄音、字幕製作等不易把語音檔案傳到外部伺服器的工作。
泰達先前於11日公開8億參數的裝置端AI代理人QVAC BotPsy。BotPsy著重於呼叫應用程式功能與執行工作,TranscribePsy則負責把語音轉成文字,屬於輸入階段。
泰達在4月公開QVAC SDK,介紹其可在手機、電腦等裝置上執行AI並進行微調,也提出可在網路受限環境運作的裝置端AI,以及裝置間直接連線(P2P)功能。
裝置端AI是把模型放在使用者裝置上執行,而不是依賴伺服器。減少傳送至雲端可降低網路狀態影響,但處理速度與支援範圍仍取決於裝置效能和記憶體容量。
這次公開展示了在裝置內完成語音辨識和有聲書生成的案例。不過,手機版本目前僅支援8種歐洲語言,使用者目前還無法直接以韓語進行語音轉錄。
QVAC在10月14日的官方介紹中表示,正在開發更小、更快的模型、更多語言及串流功能,並預計後續公開包含各語言效能的技術報告。
Comment 0