Tether TranscribePsy, 음성 인식을 온디바이스로 옮기다…하지만 벤치마크에는 더 폭넓은 검증이 필요하다

Tether는 오디오를 클라우드로 전송하는 대신 휴대폰, 노트북, 스마트 안경, 로봇에서 전사를 수행하는 2억 5,400만 파라미터 음성 모델을 공개했다. Tether TranscribePsy는 일반 소비자 하드웨어에 맞을 만큼 모델을 작게 유지하면서도 통상적인 정확도 저하를 피해야 하는 어려운 균형을 겨냥한다.

회사는 TranscribePsy가 6종의 스마트폰에서 테스트한 모든 경쟁 모델보다 빠르게 실행된다고 밝혔다. 또한 Multilingual LibriSpeech에서 6.58%의 단어 오류율을 기록해, 파라미터 수가 세 배에서 네 배 더 많은 여러 모델을 앞섰다고 보고했다. 이러한 결과는 OpenAI의 Whisper 계열, Meta의 Omnilingual ASR 모델, Qwen3-ASR 및 기타 오픈 음성 시스템과의 경쟁 구도를 만든다.

다만 이러한 주장의 근거가 된 비교 실험은 Tether가 수행하고 공개했다. 이번 릴리스에는 모델 가중치, 모바일 빌드, 평가 설정이 포함됐지만 학습 코드나 학습 데이터는 포함되지 않았다. 또한 TranscribePsy에는 스트리밍 전사 기능이 없어, 스마트 안경과 로봇에서 지속적인 대화에 즉시 활용하는 데 제약이 있다.

Tether TranscribePsy, 기기 안으로 음성 인식을 가져오다

이번 릴리스가 중요한 이유는 Tether가 모바일 지원을 축소된 데스크톱 경험으로 취급하지 않고, 제약된 하드웨어를 위한 음성 인식을 패키징했기 때문이다.

Tether AI Research는 2026년 10월 14일 TranscribePsy를 발표했다. TranscribePsy 릴리스는 녹음된 음성을 텍스트로 변환하는 다국어 자동 음성 인식 모델, 즉 ASR 모델을 소개한다.

TranscribePsy는 2억 5,400만 개의 파라미터를 포함한다. 파라미터는 모델이 오디오를 해석하고 단어를 예측하는 방식을 결정하는 학습된 수치값이다. 일반적으로 파라미터 수가 적을수록 저장 공간과 메모리 요구량은 줄어들지만, 아키텍처와 런타임 최적화도 성능에 영향을 준다.

이번 릴리스는 하드웨어와 언어 요구사항에 맞춘 네 가지 체크포인트를 제공한다. 한 노트북 모델은 25개 유럽 언어를 지원하며, 또 다른 노트북 버전은 8개 언어에 집중한다. GGUF 모바일 빌드는 Tether의 음성 엔진을 통해 실행되며, Core ML 버전은 Apple의 Neural Engine을 대상으로 한다.

휴대폰에는 8개 언어 모델이 제공된다. 네덜란드어, 영어, 프랑스어, 독일어, 이탈리아어, 폴란드어, 포르투갈어, 스페인어를 지원한다. 더 큰 언어 세트에는 불가리아어, 크로아티아어, 체코어, 덴마크어, 에스토니아어, 핀란드어, 그리스어, 헝가리어, 라트비아어, 리투아니아어, 몰타어, 루마니아어, 러시아어, 슬로바키아어, 슬로베니아어, 스웨덴어, 우크라이나어가 추가된다.

Tether는 이 모델이 Bluetooth 또는 Wi-Fi를 통해 스마트 안경이 수집한 오디오를 처리할 수 있다고 밝혔다. 휴머노이드 로봇은 온보드 프로세서에서 이를 실행해, 시각 인식, 매핑, 물리적 제어를 위한 다른 컴퓨팅 자원을 보존할 수 있다.

이러한 시나리오가 Tether가 완성된 스마트 안경용 어시스턴트나 로봇 인터페이스를 출시했다는 뜻은 아니다. TranscribePsy는 시스템의 한 계층, 즉 발화가 끝난 뒤 이를 텍스트로 변환하는 작업을 처리한다. 개발자는 여전히 마이크, 활성화 로직, 어시스턴트 모델, 애플리케이션 제어 기능, 음성 응답을 제공해야 한다.

이 구분은 중요하다. 유용한 음성 제품은 소리 수집부터 행동 실행까지의 전체 경로에 좌우된다. 빠른 음성 모델은 하나의 병목을 제거할 수 있지만, 성능이 나쁜 마이크, 시끄러운 공간, 느린 언어 모델, 신뢰할 수 없는 기기 제어를 보완할 수는 없다.

Tether는 Apache 2.0 라이선스로 가중치를 공개하고 GGUF 및 Core ML 빌드를 제공했다. 개발자는 제공되는 모델 체크포인트를 살펴보고, 내려받아, 공개된 평가 과정을 재현할 수 있다.

학습 코드와 원본 학습 데이터는 포함되지 않았다. 따라서 가중치는 테스트와 적응에 활용할 수 있지만, 외부인이 전체 개발 파이프라인을 재구성하는 것은 불가능하다.

이러한 조합은 Tether TranscribePsy를 둘러싼 핵심적인 긴장을 만든다. 오픈 음성 모델 릴리스 가운데서는 이례적으로 배포 지향적이지만, 가장 강력한 주장은 여전히 제작자가 설계한 테스트에 의존한다.

온디바이스 음성 인식이 진짜 경쟁이 되는 이유

핵심 경쟁은 더 이상 클라우드 음성과 성능이 약한 오프라인 받아쓰기 사이의 대결이 아니다. 사람들이 이미 들고 다니는 하드웨어에서, 클라우드급 정확도와 수용 가능한 정확도가 맞붙는 경쟁이다.

클라우드 전사는 개발자에게 대형 모델과 탄력적인 컴퓨팅 용량에 대한 접근성을 제공한다. 하지만 오디오는 기기를 떠나 네트워크 왕복을 견뎌야 하며, 다른 조직이 통제하는 인프라를 거쳐야 한다.

마이크가 항상 가까이에 있는 환경에서는 이러한 절충이 더욱 심각해진다. 스마트 안경은 회의, 사적인 대화, 의료 상담, 기기 사용에 동의하지 않은 사람들의 음성까지 수집할 수 있다. 가정에서 작동하는 로봇도 비슷한 우려에 직면한다.

온디바이스 음성 인식은 첫 번째 처리 단계가 일어나는 위치를 바꾼다. 휴대폰이나 웨어러블이 오디오를 로컬에서 텍스트로 변환하므로, 원본 녹음이 원격 전사 서버에 도달할 필요가 없다.

로컬 처리가 그 자체로 프라이버시를 보장할 수는 없다. 애플리케이션은 여전히 전사본을 업로드하거나 녹음을 보관하거나, 이후 파생 정보를 공유할 수 있다. 기기 보안, 앱 권한, 데이터 보존, 후속 서비스 역시 프라이버시 모델의 일부로 남는다.

그럼에도 원본 오디오를 로컬에 유지하면 중요한 단계에서의 노출을 줄일 수 있다. 음성은 문자 그대로의 단어보다 더 많은 정보를 담는다. 신원, 감정, 건강 지표, 주변 화자, 배경 활동을 드러낼 수 있다.

연결성은 두 번째 압박 지점이다. 클라우드에 의존하는 어시스턴트는 엘리베이터, 항공기, 터널, 농촌 지역 또는 혼잡한 행사장에서 작동하지 않을 수 있다. 로컬 ASR은 기기가 연결을 잃어도 명령 인식을 계속할 수 있다.

지연 시간도 음성 인터페이스가 대화형으로 느껴지는지에 영향을 준다. Tether는 멀리 떨어진 데이터센터가 처리가 시작되기 전에 네트워크 지연을 발생시킨다고 지적한다. 모바일 네트워크 혼잡과 약한 신호는 이 지연을 예측하기 어렵게 늘릴 수 있다.

스마트 안경 제조사는 특히 엄격한 제약에 직면한다. 작은 프레임이나 연결된 휴대폰 안에서 발열, 배터리 수명, 저장 공간, 메모리를 관리해야 한다. 모든 녹음을 클라우드로 보내면 웨어러블에서의 연산은 단순해지지만, 프라이버시와 신뢰성 문제를 키운다.

로봇 개발자는 다른 자원 배분 문제에 직면한다. 음성 인식은 제한된 온보드 컴퓨팅 자원을 두고 시각 인식, 위치 추정, 동작 계획, 안전 프로세스와 경쟁한다. 컴팩트한 ASR 모델은 이러한 다른 작업에 더 많은 여력을 남긴다.

이러한 압력은 Tether가 배포 속도와 모델 크기를 주요 판매 포인트로 선택한 이유를 설명한다. 모든 언어와 음향 환경에서 가장 큰 음성 시스템을 능가하려는 것이 아니다. 대신 더 작은 모델이 유용한 오프라인 제품에 필요한 기준선을 넘을 수 있다고 주장한다.

이 주장은 Whisper-small과 유사한 범용 체크포인트를 사용하는 개발자에게 압박을 가한다. Whisper는 성숙한 생태계와 개발자 사이의 폭넓은 인지도를 갖췄지만, 다양한 환경을 위해 설계된 모델이 자동으로 최고의 모바일 런타임을 제공하는 것은 아니다.

원래의 Whisper 연구는 대규모 약지도 학습과 작업 및 데이터셋 전반의 일반화를 강조했다. TranscribePsy는 유럽 언어, 컴팩트한 배포, 휴대폰 성능에 집중한 더 좁은 제안을 내세운다.

어느 접근 방식도 모든 사용 사례에서 승리하지는 않는다. 클라우드 서비스는 더 폭넓은 언어 지원과 중앙화된 업데이트를 제공할 수 있다. 로컬 모델은 네트워크 의존도를 낮추고 민감한 오디오를 그 출처 가까이에 유지할 수 있다.

경쟁의 핵심은 사용자가 더 작은 언어 지원 범위를 감수할 만큼 속도, 프라이버시, 오프라인 신뢰성에서 충분한 차이를 체감하느냐다. Tether의 초기 벤치마크 결과는 이러한 선택이 매력적일 수 있음을 시사하지만, 제품 채택은 더 কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ

Tether는 더 작은 모델, 추가 언어, 스트리밍 지원을 개발 중이라고 밝혔다. 이러한 개선은 동일한 압축 전략을 전력 제약이 더 큰 기기와 지속적인 자막이 필요한 애플리케이션으로 확장할 수 있다.

현재로서는 아키텍처가 TranscribePsy가 이 크기에 도달한 방식을 설명한다. 그러나 그 압축이 벤치마크 환경 밖의 복잡한 오디오 조건에서도 얼마나 안정적으로 적용되는지는 입증하지 않는다.

Tether, Whisper 및 더 큰 모델과 비교해 TranscribePsy 속도 벤치마크 공개

Tether의 수치는 효율성을 뒷받침하는 설득력 있는 근거를 제시하지만, 독립적인 제품 테스트가 아니라 여전히 공급업체가 직접 수행한 결과다.

음성 인식 정확도는 흔히 단어 오류율, 즉 WER로 측정한다. 이 지표는 기준 전사문과 비교해 대체된 단어, 누락된 단어, 삽입된 단어를 집계한다. 점수가 낮을수록 오류가 적다는 뜻이다.

Tether는 Open ASR Leaderboard 평가에서 8.02% WER, Multilingual LibriSpeech에서 6.58%, Common Voice에서 21.56% WER을 기록했다고 밝혔다.

파라미터 수가 2억 4,200만 개에서 3억 7,000만 개에 이르는 모델을 포함한 비교 그룹에서 TranscribePsy는 세 평가 세트 모두에서 가장 낮은 오류율을 기록했다. Tether는 테스트에 동일한 디코딩 파이프라인과 텍스트 정규화기를 사용했다고 설명했다.

Multilingual LibriSpeech에서 Whisper-small은 Tether의 테스트 기준 11.51% WER을 기록했다. OWSM v4 small은 11.84%, omniASR-CTC-300M-v2는 11.89%에 도달했다.

더 큰 모델과의 비교 결과는 더 엇갈린다. TranscribePsy의 Multilingual LibriSpeech 6.58% 결과는 Qwen3-ASR-0.6B, OWSM-CTC-v4, Whisper-Medium, omniASR-CTC-1B-v2의 보고된 점수를 앞섰다.

그러나 Qwen3-ASR-0.6B는 Open ASR 평가에서 더 나은 성능을 보였다. 이 모델은 TranscribePsy의 8.02%에 비해 7.40%를 기록했다. Meta의 10억 파라미터 Omnilingual 모델은 Common Voice에서 20.07%로 선두를 차지했으며, TranscribePsy는 21.56%였다.

이러한 차이 때문에 TranscribePsy가 모든 더 큰 모델보다 정확하다고 단정하기는 어렵다. 가장 강한 우위는 하나의 다국어 벤치마크에서 나타났으며, 다른 테스트 세트에서는 더 큰 경쟁 모델이 앞섰다.

공개된 스마트폰 결과는 더 뚜렷하다. Tether는 iPhone 17 Pro Max, iPhone 15, Samsung Galaxy S26 Ultra, Galaxy S25 Ultra, Google Pixel 10, Pixel 9 등 6개 기기를 테스트했다.

각 스마트폰은 8개 언어에 걸친 총 40분 분량의 오디오가 담긴 160개 발화를 처리했다. Tether는 열 스로틀링을 제한하기 위한 냉각 시간을 두고 5회 실행한 결과 중 상위 3개 결과의 평균을 보고했다고 밝혔다.

6개 스마트폰 CPU 전체에서 TranscribePsy GGUF 빌드는 발화당 평균 1,021밀리초를 기록했다. 다음으로 빠른 테스트 모델인 omniASR-CTC-300M-v2는 평균 2,631밀리초였고, Whisper-small은 평균 5,854밀리초였다.

이는 Tether의 설정에서 TranscribePsy가 다음으로 빠른 테스트 모델보다 약 2.6배, Whisper-small보다 약 5.7배 빠르다는 의미다.

모델 로딩은 평균 252밀리초가 걸렸다. 회사에 따르면 기기별 최대 메모리 사용량은 530~542MiB 범위에 머물렀다.

Apple의 특화 하드웨어에서는 더 극적인 결과가 나왔다. Tether는 iPhone 17 Pro Max에서 로딩 후 Core ML 빌드가 10분짜리 녹음 하나를 1.65초에 전사했다고 밝혔다. 이는 실시간의 363배 속도에 해당한다.

iPhone 15에서는 Core ML 빌드가 전체 40분 세트를 42.2초에 처리했다. Galaxy S26 Ultra는 CPU 경로로 62초에 완료했으며, Pixel 9는 180초가 필요했다.

iPhone 결과를 실시간 응답 지연 시간과 혼동해서는 안 된다. 완료된 10분 녹음을 빠르게 처리하는 일은 사용자가 아직 말하는 동안 정확한 텍스트를 표시하는 일과 다르다.

TranscribePsy는 현재 완료된 발화 또는 녹음을 처리한다. Tether는 iPhone Neural Engine에서 화자가 말을 멈춘 뒤 약 0.25초 후 텍스트가 표시될 수 있다고 밝혔지만, 연속 스트리밍은 여전히 개발 중이다.

독자는 공개 speech benchmark를 통해 모델 목록을 비교할 수 있다. 그럼에도 가장 가치 있는 후속 검증은 모바일 개발자들이 동일한 하드웨어에서 공개 빌드를 사용해 결과를 재현하는 일이 될 것이다.

실환경 테스트에는 배경 소음, 멀리 떨어진 마이크, 억양이 있는 발화, 여러 화자, 기술 용어, 긴 녹음 세션이 포함돼야 한다. 배터리 소모와 지속적인 기기 온도도 측정해야 한다.

이러한 조건은 벤치마크 속도가 더 나은 제품으로 이어지는지를 결정한다. 이름을 놓치거나 장시간의 열 발생 후 실패하는 빠른 전사는 실험실 점수가 시사하는 것보다 가치가 낮다.

프라이버시 주장은 기술적·실용적 한계를 지닌다

로컬 추론은 클라우드 의존성을 없애지만, 동의, 정확도, 데이터 처리, 상용화 준비성에 관한 질문을 해결하지는 않는다.

Tether는 TranscribePsy를 하루 종일 들을 수 있는 기기에 대한 프라이버시 중심의 대응책으로 제시한다. CEO Paolo Ardoino는 사람들이 개인적인 대화에 대한 접근권을 중앙화된 플랫폼에 넘길 필요가 없어야 한다고 주장한다.

이 모델은 전사 단계에서 그러한 입장을 뒷받침한다. 다운로드한 뒤에는 녹음을 Tether나 다른 클라우드 제공업체로 전송하지 않고 오디오를 텍스트로 변환할 수 있다.

그러나 음성 모델은 이를 둘러싼 애플리케이션을 통제할 수 없다. 녹음 저장 여부, 전사문 동기화 여부, 텍스트가 원격 언어 모델에 입력되는지 여부는 개발자가 결정한다.

따라서 프라이빗 전사 파이프라인도 비프라이빗 어시스턴트에 데이터를 제공할 수 있다. 제품 제작사는 첫 모델 호출뿐 아니라 그 이후의 모든 단계를 포괄하는 명확한 고지를 제공해야 한다.

주변인의 동의도 또 다른 문제다. 스마트 글라스 착용자는 대화 내용을 어디에도 업로드하지 않고도 주변 대화를 처리할 수 있다. 로컬 처리는 데이터 노출을 바꾸지만, 녹음을 사회적으로나 법적으로 자동으로 허용 가능한 행위로 만들지는 않는다.

정확도 역시 프라이버시에 민감한 사용 사례에 영향을 미친다. Tether는 의료 상담, 법률 인터뷰, 치료 세션, 저널리즘을 잠재적 활용 사례로 언급한다. 이러한 환경에서는 낮은 평균 WER 이상이 요구된다.

이름, 복용량, 날짜, 법률 용어, 화자 식별은 일반적인 단어 대체보다 더 큰 결과를 초래할 수 있다. 벤치마크 평균은 오류가 바로 그런 중요한 세부 사항에 집중되는지를 보여주지 않는다.

스트리밍 부재도 단기적인 한계다. 실시간 자막과 자연스러운 로봇 대화는 화자가 말하는 동안 텍스트가 점진적으로 표시될 때 가장 잘 작동한다. 각 발화가 끝날 때까지 기다리면 상호작용이 경직되게 느껴질 수 있다.

개발자는 오디오를 짧은 구간으로 나눌 수 있지만, 이는 종점 감지에 대한 판단을 필요로 한다. 구간을 너무 일찍 끝내면 문장이 분리될 수 있고, 너무 오래 기다리면 지연 시간이 늘어난다.

언어 지원 범위도 접근 가능한 시장을 제한한다. 스마트폰 모델은 유럽 8개 언어를 지원한다. 아직 많은 소비자 플랫폼에 필요한 글로벌 언어 범위를 제공하지는 않는다.

Tether의 라이선스 문구도 주의 깊게 살펴볼 필요가 있다. 회사는 가중치를 Apache 2.0이라고 설명하면서도 연구 및 교육 목적에 사용할 수 있다고 표현한다. 개발자는 상용 배포 전에 실제 저장소 라이선스와 관련 모델 문서를 검토해야 한다.

오픈 웨이트는 중요한 투명성을 제공하지만, 완전히 재현 가능한 학습 과정과 동일하지는 않다. 연구자는 학습 코드와 데이터셋 세부 정보 없이 모델을 재현하거나 원본 데이터 혼합을 조사할 수 없다.

공개된 평가 구성은 이 격차를 부분적으로 해소한다. 독립 테스터는 일관된 설정에서 공개 체크포인트를 다시 실행하고 출력을 비교할 수 있다.

이것이 즉각적인 검증 기회다. 외부 개발자가 속도와 메모리 결과를 재현한다면, Tether는 자사의 배포 주장이 자체 실험실을 넘어선다는 더 강력한 근거를 확보하게 된다.

독립 테스트에서 소음 환경의 더 큰 오류율이나 지속 성능 문제가 드러난다면 모델의 장점은 더 제한적으로 보일 것이다. 일반적인 음성 계층이 되지 못하더라도 오프라인 일괄 전사에는 유용할 수 있다.

Tether의 이례적인 위치도 또 다른 불확실성을 만든다. 이 회사는 기기 제조사에 음성 인프라를 공급하는 기업보다는 USDT 스테이블코인 발행사로 더 잘 알려져 있다.

오픈 릴리스는 기존 엔터프라이즈 영업 채널 없이도 개발자를 끌어들일 수 있다. 하드웨어 파트너십, 장기 유지보수, 문서 품질, 버전 안정성은 실험이 채택으로 이어지는지를 결정할 것이다.

따라서 기술 릴리스는 실제로 존재하지만, 제품 영향은 여전히 입증되지 않았다. Tether는 다운로드 가능한 산출물과 상세한 측정치를 제공했다. 그러나 이를 기반으로 한 광범위하게 배포된 스마트폰, 안경 제품, 로봇을 아직 보여주지는 못했다.

개발자가 다음으로 주목해야 할 사항

세 가지 신호가 TranscribePsy가 유용한 인프라가 될지, 인상적인 모델 릴리스에 머물지를 결정할 것이다.

첫 번째 신호는 독립적인 모바일 재현이다. 개발자는 나열된 스마트폰에서 GGUF 및 Core ML 빌드를 실행한 뒤 정확도, 메모리, 배터리, 온도 결과를 공개해야 한다.

Tether의 속도 수치와 일치한다면 TranscribePsy가 실용적인 Whisper 대안이라는 근거가 강화될 것이다. 큰 성능 격차가 나타난다면 가장 중요한 차별점은 약화될 것이다.

테스트는 짧은 벤치마크 세션보다 오래 진행돼야 한다. 연속 받아쓰기, 한 시간짜리 회의, 반복적인 음성 명령은 평균 발화 시간 측정으로 포착할 수 없는 열 스로틀링과 배터리 비용을 드러낼 것이다.

두 번째 신호는 스트리밍 지원이다. Tether는 사용자가 말하는 동안 텍스트를 생성하는 버전을 개발 중이라고 밝혔다.

안정적인 스트리밍 릴리스는 모델을 실시간 자막, 스마트 글라스, 대화형 로봇에 더 적합하게 만들 것이다. 지연이 계속된다면 많은 배포 사례는 음성 메모, 완료된 녹음, 턴 기반 명령에 국한될 것이다.

스트리밍 품질은 속도 이상으로 평가해야 한다. 개발자는 부분 단어 수정, 종점 감지, 문장부호 안정성, 화자가 멈추거나 서로 말을 끊을 때의 성능을 측정해야 한다.

세 번째 신호는 실제 하드웨어 통합이다. 안경 제조사, 로보틱스 기업, 접근성 개발사 또는 모바일 애플리케이션의 공개 구현은 전체 시스템을 시험하게 된다.

이러한 통합은 모델의 제한된 언어 세트가 실제 고객에게 적합한지 보여줄 것이다. 또한 로컬 전사가 마이크, 웨이크 워드, 어시스턴트 모델, 기기 제어와 어떻게 상호작용하는지도 드러낼 것이다.

하드웨어 파트너가 있다고 해서 모든 주장이 정확하다는 점이 증명되는 것은 아니다. 다만 다른 조직이 지원되는 제품 안에 넣을 만큼 런타임이 성숙했다고 판단했음을 보여준다.

오늘날 Tether TranscribePsy를 평가하는 개발자는 범위가 제한된 작업부터 시작해야 한다. 오프라인 음성 메모, 회의 전사, 녹음용 접근성 자막, 명령 인식은 범용 어시스턴트보다 더 명확한 테스트를 제공한다.

자체 오디오를 사용해 Whisper 및 다른 소형 다국어 모델과 출력을 비교해야 한다. 테스트 세트에는 대상 사용자, 실제 마이크, 일반적인 소음, 도메인별 어휘가 포함돼야 한다.

프라이버시 검토는 전사 이후의 데이터 흐름까지 따라가야 한다. 팀은 로컬 모델이 텍스트를 반환한 뒤 녹음, 전사문, 임베딩, 어시스턴트 프롬프트가 어디로 가는지 문서화해야 한다.

Tether는 실행 가능한 빌드와 재현 가능한 구성을 공개해 첫 평가 단계를 더 쉽게 만들었다. 다음 단계는 회사의 벤치마크 환경 밖에서 이 빌드를 테스트할 수 있는 개발자들의 몫이다.

중요한 질문은 2억 5,400만 파라미터 모델이 매력적인 점수를 낼 수 있는지가 아니다. Tether는 이미 가능하다는 증거를 제시했다. 질문은 이러한 효율성이 실제 목소리, 붐비는 공간, 뜨거워진 스마트폰, 완전한 애플리케이션에서도 유지되는지다.

독립 결과가 뒷받침된다면 Tether TranscribePsy는 영구적인 클라우드 접근에 의존할 수 없는 기기를 위한 신뢰할 만한 로컬 음성 계층을 개발자에게 제공할 것이다. 그렇지 않더라도 엣지 하드웨어용으로 더 큰 음성 모델을 압축한 유용한 사례 연구로 남을 것이다.

어느 쪽 결과가 나오든, 현재 온디바이스 음성 인식이 제공할 수 있는 수준은 분명해질 것입니다. 체크포인트를 다운로드해 실제 녹음 파일로 테스트하고, 어떤 벤치마크 결과를 제품 도입 결정으로 받아들이기 전에 전체 경험을 측정하세요.