Tether lanceert lokaal spraakmodel voor telefoons

Tether AI Research brengt op 14 oktober TranscribePsy uit, een spraakherkenner van 254 miljoen parameters die lokaal draait en Nederlands ondersteunt.

Een klantgesprek of werkoverleg kan daardoor op hetzelfde toestel worden uitgeschreven als waarop het is opgenomen. Voor de transcriptiestap hoeft de audio niet naar een externe dienst. Dat verandert waar de gevoeligste gegevensstroom loopt, maar laat opslag, toegang en gebruik van de transcriptie zelf bij de organisatie.

De telefoonversie ondersteunt acht talen

TranscribePsy is een modelreeks, geen kant-en-klare bril of robot. Tether ziet gebruik op telefoons, slimme brillen en humanoïde robots voor zich. De officiële documentatie beschrijft de GGUF- en Core ML-versies voor telefoons; de andere versies zijn bedoeld voor laptops of servers.

De mobiele build ondersteunt acht talen: Nederlands, Engels, Frans, Duits, Italiaans, Pools, Portugees en Spaans. De bredere laptopvariant omvat 25 Europese talen. Die keuze is praktisch relevant: een Nederlandse buitendienstmedewerker kan een opname op een telefoon laten verwerken, maar een team dat bijvoorbeeld Zweeds of Grieks nodig heeft, moet de laptopvariant of een andere route gebruiken. De acht-talige telefoonversie is ook beschikbaar als GGUF voor processors en als Core ML-model voor de Apple Neural Engine.

Het model telt 254 miljoen parameters en is gemaakt door een 627-miljoen-parameter NVIDIA Parakeet-model te snoeien en de kleinere versie daarvan te distilleren. De modelkaart noemt ongeveer 564.000 uur spraak uit 25 talen. Gewichten en evaluatieconfiguraties zijn openbaar, trainingscode en trainingsdata niet.

De benchmark sluit de koude start uit

De modelkaart bevestigt 1,65 seconde pure transcriptietijd voor tien minuten audio, met een koude start van 12,7 seconden. Tether testte de Core ML-versie op een iPhone 17 Pro Max, met de Apple Neural Engine en één opname van tien minuten. De vergelijkbare voz-build deed over dezelfde opname 2,34 seconden, ook exclusief die starttijd.

Een test met 160 korte uitingen uit acht talen, samen veertig minuten audio, duurde op dezelfde iPhone 32,8 seconden. Dat is gemiddeld 207 milliseconden per uiting, opnieuw zonder koude start. Over zes telefoons was de gemiddelde verwerkingstijd 1.021 milliseconden per uiting.

Tethers eigen tests komen voor de 25-talige variant uit op 8,02 procent woordfouten op de Open ASR Leaderboard, 6,58 procent op Multilingual LibriSpeech en 21,56 procent op Common Voice. De acht-talige variant scoort 7,50 en 5,87 procent op de eerste twee tests. De modelkaart vermeldt Apache 2.0 voor de gewichten en geeft geen apart Nederlands testresultaat. Dat laat open hoe dialect, vaktermen en rumoer op een Nederlandse werkvloer uitpakken.

Lokaal werken verandert waar audio heen gaat

Modelkwaliteit is één keuze. De andere is waar de audio wordt verwerkt. Meta’s Muse Voice Transcribe rekent 0,18 dollar per uur; zero data retention staat niet standaard aan en wordt per organisatie via sales ingeschakeld. Google’s Gemini 3.5 Transcribe ondersteunt nl-NL via de API en kost ongeveer 0,30 dollar per uur audio. Dat zijn gehoste routes: een team hoeft het model niet zelf in een telefoonapp of andere toepassing in te bouwen.

TranscribePsy ruilt die eenvoud in voor een andere datastroom. Na installatie kan een toepassing audio ook zonder internet op het toestel verwerken. Dat kan passen bij een monteur die een werkbon dicteert of een adviseur die vertrouwelijke gespreksnotities maakt. Tether levert daarvoor een model, geen afgewerkt product of beheerde dienst. Integratie, updates en ondersteuning voor specifieke hardware komen bij de ontwikkelaar terecht.

Lokaal verwerken stopt bovendien niet bij het model. De transcriptie kan nog steeds naar een clouddossier, CRM of back-up worden gekopieerd. Wie ook de tekst lokaal wil houden, moet de hele keten meenemen in ontwerp en toegangsbeheer. Dat sluit aan bij het bredere punt dat AVG-risico’s rond AI vooral ontstaan door hoe organisaties persoonsgegevens delen, bewaren en loggen. Een opname kan ook stemmen van klanten en omstanders bevatten; de modelkeuze verandert niet wie er is opgenomen of hoe de transcriptie verder wordt gebruikt.

De huidige versie verwerkt geen live spraak

Tether noemt spraakinteractie bijna in real time als doel, maar de huidige modelkaart beschrijft verwerking van complete uitingen en noemt streaming nog als toekomstig werk. De 1,65 seconde hoort bij een opname die al is vastgelegd; het is geen meting van de vertraging tussen gesproken woord en live ondertiteling. Voor een dicteerknop of opname achteraf kan dat volstaan. Een gesprek waarin software direct moet reageren, vraagt een andere implementatie of een latere versie.

De modelkaart vermeldt Apache 2.0 voor de gewichten. De aankondiging noemt de uitgave daarnaast bedoeld voor onderzoek en onderwijs, maar licht niet toe hoe die formulering samenhangt met de licentie. Voor een bedrijf dat het model in een betaald product wil opnemen, blijft dat een open punt. Tether waarschuwt ook dat het model niet voor veiligheidskritische beslissingen bedoeld is en raadt bij specialistische woordenschat fijnafstemming met eigen domeindata aan.

De release verplaatst spraakherkenning van een gehoste dienst naar een model dat op een telefoon of ander apparaat kan draaien. De cijfers tonen snelle nabewerking op een iPhone, geen continue herkenning tijdens een gesprek en geen afzonderlijke foutmarge voor Nederlands. Streaming staat nog op Tethers routekaart; voor bedrijven begint de praktische vraag bij het inbouwen van het model in een app of apparaat.