Sommaire11 parties
Ming Voice est un assistant vocal open source qui tourne entièrement sur ta propre carte graphique, sous Linux ou Windows 11. Il commence à répondre environ 0,23 seconde après la fin de ta phrase, et aucun son ne quitte ta machine. Il donne la météo, lance des minuteurs, tient tes listes et pilote Home Assistant.
En bref
- Assistant vocal local : l’audio reste sur ta machine
- Réponse environ 0,23 s après la fin de ta phrase, interruption possible
- Carte graphique de 16 Go de VRAM ou plus (AMD Radeon, NVIDIA en expérimental)
- Minuteurs, listes, mémoire, météo, recherche web, Home Assistant, Jellyfin
- 7 voix intégrées et clonage de voix à partir de 5 à 15 secondes
Ming Voice, un assistant vocal sans cloud
Ming Voice fait tourner Ming-3.0-audio-tiny, un modèle d’inclusionAI qui comprend et produit de la voix, comme un assistant que tu peux laisser allumé à la maison. Il t’entend, décide si tu as fini de parler, réfléchit, puis répond à voix haute, le tout sur ta carte graphique.
Le projet précise qu’aucun son ne quitte ta machine. Quand les outils sont activés, seuls des termes de recherche et des noms de lieux partent vers DuckDuckGo ou Brave Search, et vers Open-Meteo pour la météo. Désactiver les outils dans les réglages permet de rester entièrement hors ligne.
Comment fonctionne Ming Voice
L’assistant repose sur deux briques : un « Thinker », un modèle de langage audio qui comprend la parole et formule la réponse, et un « Talker » qui la synthétise en voix. Sur une Radeon RX 7900 XTX, le Thinker produit environ 115 jetons par seconde, d’après les mesures du README.
Pour savoir si tu as terminé ta phrase, il s’appuie sur Smart Turn v3, qui juge d’après les mots et l’intonation. La réponse est préparée pendant la courte pause de fin de tour, ce qui explique le délai médian d’environ 0,23 s mesuré par le projet. Si tu reprends la parole dans la seconde, la réponse est retirée et tout est traité comme un seul tour.
Ce que sait faire l’assistant
Tu peux l’interrompre à tout moment, même avec des haut-parleurs : il reconnaît sa propre voix revenant par le micro et ne s’arrête que pour la tienne. Trois modes d’écoute existent : mains libres, appui pour parler, ou mot d’éveil (« Hey Ming »). Une fonction de reprise le replace dans la conversation après un redémarrage.
Côté outils, le modèle décide quand en appeler un. Home Assistant permet de piloter lumières, prises, musique, thermostat, serrures, voiture et aspirateur. Les actions risquantes, comme déverrouiller une porte, demandent d’abord une confirmation.
Les outils intégrés : minuteurs, listes, mémoire
Les minuteurs et rappels sonnent à nouveau tant que tu ne réponds pas, et survivent à un redémarrage. Les listes (courses, tâches ou toute liste nommée) et la mémoire, limitée à 40 faits, sont enregistrées dans des fichiers sur le serveur. Dire « souviens-toi que je me suis garé au niveau 3 » permet de poser la question des jours plus tard.
Le texte est aussi réécrit avant d’être lu pour que les nombres, les prix et les unités (par exemple « 12 km/h » ou un score comme « 24-17 ») soient prononcés correctement.
- Recherche web, météo, calculatrice et heure
- Minuteurs et rappels
- Listes de courses et de tâches
- Mémoire de faits que tu lui confies
- Home Assistant et Jellyfin
- Passage de relais à un agent Hermes pour les tâches plus lourdes
Installer Ming Voice sous Linux ou Windows
Il faut une carte graphique de 16 Go de VRAM ou plus et environ 30 Go d’espace disque, dont 20 Go pour le modèle. Côté AMD : Radeon RX 6800 ou plus récente, avec le pilote amdgpu du noyau sous Linux, sans installer ROCm. Côté NVIDIA : RTX série 30 ou plus récente, mais le projet précise que c’est expérimental et non testé sur une carte de 16 Go. Sous Windows, il faut Windows 11 avec WSL2, que l’installateur configure.
Sous Linux, ouvre un terminal et colle la commande ci-dessous. Elle installe les paquets manquants, prépare Python et PyTorch, télécharge le modèle et ajoute Ming Voice au menu des applications. Si l’installation s’interrompt, relance-la : les étapes terminées sont ignorées.
Sous Windows, ouvre PowerShell et colle la seconde commande. Elle prépare WSL et Ubuntu 24.04 si besoin, puis installe le reste et crée un raccourci sur le Bureau.
curl -fsSL https://raw.githubusercontent.com/JMS1717/ming-voice/main/install.sh | bash
irm https://raw.githubusercontent.com/JMS1717/ming-voice/main/install.ps1 | iexUtiliser Ming Voice au quotidien
Le premier démarrage prend 1 à 2 minutes, le temps de compiler des noyaux de calcul, puis environ 30 secondes ensuite. Ming Voice ouvre une page web locale : clique sur « Start conversation », autorise le micro et parle. Le projet prévoit aussi un mode toujours actif avec le micro et les haut-parleurs du PC, sans navigateur, et un accès depuis le téléphone via le réseau local en HTTPS.
Pour les voix, 7 sont intégrées, et le clonage se fait à partir d’un échantillon de 5 à 15 secondes. Le README indique que l’assistant fonctionne en anglais et en chinois, et ne mentionne pas le français. Il garde environ 20 Go de VRAM occupés tant qu’il tourne, d’où la commande ming-voice --stop sous Linux pour l’arrêter.
Où en est le projet
Le dépôt a été créé le 21 octobre 2026 et avance vite : la v1.5.0 ajoute les listes et la mémoire, la v1.6.0 apporte Linux natif et le mode Jarvis, et la v1.7.0, publiée le 26 octobre 2026, ajoute l’intégration à Assist, l’assistant vocal de Home Assistant, via le protocole Wyoming. Cette voie fonctionne tour par tour, donc plus lentement que l’application de Ming Voice, et sans interruption.
Au relevé du 28 octobre 2026, le dépôt compte 353 étoiles, 19 copies, un seul contributeur et aucun ticket ou demande de fusion ouverts. Le code est sous licence MIT.
Quelques repères
- VRAM : C’est la mémoire intégrée à une carte graphique. Un modèle d’IA doit y tenir en grande partie pour tourner vite.
- Modèle de langage : Un programme d’IA entraîné sur de grandes quantités de textes pour comprendre des demandes et formuler des réponses.
- API : Une interface qui permet à des programmes de communiquer entre eux selon des règles précises.
Questions fréquentes
Ming Voice fonctionne-t-il sans internet ?
Oui, en désactivant les outils dans les réglages. Aucun son ne quitte la machine ; avec les outils activés, seuls des termes de recherche et des noms de lieux partent vers DuckDuckGo ou Brave Search et Open-Meteo.
Quelle carte graphique faut-il pour Ming Voice ?
Il faut 16 Go de VRAM ou plus. Une AMD Radeon RX 6800 ou plus récente est prise en charge, une NVIDIA RTX série 30 ou plus récente fonctionne en mode expérimental.
Peut-on cloner une voix avec Ming Voice ?
Oui, à partir d’un échantillon de 5 à 15 secondes enregistré ou importé depuis la barre latérale. Ming Voice propose aussi 7 voix intégrées.
Ming Voice peut-il piloter Home Assistant à la voix ?
Oui. Il commande lumières, prises, musique, thermostat, serrures, voiture et aspirateur, avec une confirmation pour les actions risquées. Il faut fournir un jeton d’accès Home Assistant.
À retenir
Ming Voice garde la voix chez toi : le modèle tourne sur ta carte graphique de 16 Go de VRAM ou plus et répond environ 0,23 s après ta phrase. Le projet est récent, sous licence MIT, et le README cite l’anglais et le chinois comme langues prises en charge.
