01Ce qu'il sait faire
Points forts
- Premier modèle parole open full-duplex
- Latence sub-seconde
- Labo français (Kyutai)
Limites à connaître
- —Pas une LLM texte classique
- —Architecture non supportée par Ollama
- —Licence CC-BY
Architecture
Full-duplex speech-text · Depth Transformer (codebook) + 7B Temporal Transformer
Entraînement
Codec Mimi à 12.5 Hz / 1.1 kbps sur audio 24 kHz. Latence ~200ms pratique.
Idéal pour
Conversation vocaleTemps réel
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
5 Go
Q5_K_M
Bon compromis qualité/taille
6 Go
Q8_0
Quasi-indistinguable de FP16
9 Go
FP16
Pleine précision — usage serveur
15 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 10 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner Moshi 7B ?
Pour exécuter Moshi 7B en local en quantification Q4, il faut environ 5 Go de VRAM. Le meilleur rapport prix/performance : un RTX 5060 (8 Go de VRAM).
Où acheter le RTX 5060
DartyVoir RTX 5060 →RakutenVoir RTX 5060 →AmazonVoir RTX 5060 →Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$# GitHub : kyutai-labs/moshi — voix Moshiko (H) / Moshika (F)
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.