kyutai-labs/moshi

O que é?

Recursos principais

• 01Diálogo full-duplex que modela simultaneamente os fluxos de áudio do usuário e do modelo.
• 02Codec de áudio em streaming Mimi a 12,5 Hz e 1,1 kbps, com quadros de cerca de 80 ms.
• 03Backends de inferência para PyTorch, MLX e Rust.
• 04A versão MLX roda localmente no macOS com pesos quantizados de 4 ou 8 bits.
• 05Clientes com interface web, de linha de comando e Gradio, além do Docker Compose para CUDA.

Casos de uso

• Criar assistentes de voz em tempo real que podem ser interrompidos e responder sem atrasos entre turnos.
• Executar localmente um modelo de diálogo por voz em um Mac ou iPhone com MLX.
• Pesquisar codecs neurais de áudio em streaming e modelos de fala e texto.
• Usar o Mimi como tokenizer de áudio em streaming com baixa taxa de bits em Python ou Rust.

Início rápido

1. 1

   Instale o cliente PyTorch pelo PyPI

   pip install -U moshi
2. 2

   Inicie o servidor (o modelo padrão será baixado)

   python -m moshi.server
3. 3

   Abra a interface web no navegador em localhost:8998

Antes de usar

• !A versão PyTorch não oferece suporte à quantização e precisa de uma GPU com cerca de 24 GB de memória.
• !O Windows não tem suporte oficial.
• !Os pesos do modelo são distribuídos sob a licença CC-BY 4.0, não sob uma licença de software livre.

Tópicos

Perguntas frequentes

O que é moshi?

Modelo fundacional de fala e texto e framework de diálogo falado full-duplex que fala e escuta ao mesmo tempo, com o codec neural de áudio em streaming Mimi. Moshi é um modelo fundacional de fala e texto e um framework de diálogo falado full-duplex criado pela Kyutai. Ele modela dois fluxos de áudio simultaneamente, um para o usuário e outro para o próprio Moshi, permitindo falar e escutar ao mesmo tempo, em vez de esperar a vez de cada um. Moshi também prevê tokens de texto para a própria fala como um monólogo interno, algo que o projeto aponta como responsável por uma melhor qualidade de geração.

moshi é gratuito? Qual é a licença?

moshi é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.

moshi ainda é mantido?

Atualizado nos últimos 6 meses. O último commit de moshi foi em 9 de set. de 2026.

Para que posso usar moshi?

Criar assistentes de voz em tempo real que podem ser interrompidos e responder sem atrasos entre turnos. Executar localmente um modelo de diálogo por voz em um Mac ou iPhone com MLX. Pesquisar codecs neurais de áudio em streaming e modelos de fala e texto. Usar o Mimi como tokenizer de áudio em streaming com baixa taxa de bits em Python ou Rust.

Como instalar moshi?

Instale o cliente PyTorch pelo PyPI: pip install -U moshi Inicie o servidor (o modelo padrão será baixado): python -m moshi.server Abra a interface web no navegador em localhost:8998

Onde consigo moshi?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/kyutai-labs/moshi