Mirza — Voice & Agentic Platform — Documentation Technique¶
Important
Mirza est un assistant vocal et agentique haute performance conçu pour Apple Silicon.
Matériel de référence : Apple Silicon (mémoire unifiée UMA)
Time-To-First-Token (TTFT) : ~115 à 450 ms (selon profil et cache APC)
Débit LLM : 28 à 39 tokens/seconde en local
Transcription STT : < 200 ms (streaming binaire local)
Latence globale de coupure de parole : < 450 ms
Présentation¶
Mirza est un assistant vocal conversationnel à faible latence et orienté agent, optimisé pour l’architecture Apple Silicon (16 Go, 24 Go de mémoire unifiée ou plus). L’exécution par défaut est 100% locale sans dépendance cloud obligatoire.
Interface client de Mirza : réacteur central réactif, indicateurs de télémétrie matérielle et constellation de satellites.¶
La plateforme intègre les composants temps réel suivants :
Composant |
Description |
|---|---|
STT (Speech-to-Text) |
Moteur STT streaming local temps réel — streaming binaire WebSocket Int16 16 kHz (< 200 ms) |
LLM (Modèle de langage) |
Moteurs LLM locaux haute performance avec décodage spéculatif MTP et cache APC (TTFT ~115–350 ms, 28–39 tok/s), complétés par un routeur distant |
CoT (Raisonnement) |
Chain-of-Thought configurable (0, 512, 1024, 2048, 4096 tokens) |
Agent (Outils) |
Smolagents CodeAgent ReAct avec 6 outils locaux/web et protocole bi-canal |
TTS (Synthèse vocale) |
Moteur TTS neural local souverain temps réel (repli cloud optionnel) — streaming audio en < 400 ms |
Frontend |
React 18 + TypeScript + Vite — HUD Cyberpunk 60/120 FPS sur OffscreenCanvas Web Worker |
Démarrage Rapide
Architectures
- Architecture Logique et Fonctionnelle
- Vue d’Ensemble
- Diagramme de Flux Logique Global
- Cycle de Vie d’un Événement Vocal
- Protocole Bi-Canal — Restitution Documentaire et Code (
<result>/<code_view>) - Mode d’Écoute : VAD Continu vs Push-To-Talk
- Gating Acoustique et Anti-Larsen
- Modèle de Raisonnement LLM
- Architecture Agentique et Outils (smolagents CodeAgent)
- Architecture des Profils et Configuration YAML
- Architecture Backend
- Architecture Frontend
- Vue d’Ensemble
- Architecture des Composants React
- Arborescence des Sources
- Le Réacteur Central — Rendu OffscreenCanvas
- Constellation Satellite
- Restitution Documentaire et Historique (HistoryWidgetModal)
- Protocole Audio WebSocket
- Gestion Audio Mobile et Anti-Suspension
- Flux de Données Complet Frontend
- Benchmarks et Performances
- Comparatif des Modes de Génération
- Comparatif des Performances avec RAG (Mémoire Épisodique)
- Impact de la Quantification (Quantization) et Viabilité
- Relevé Télémétrique en Conditions Réelles
- Benchmark d’Optimisation TTFT (Profil LLM Rapide)
- Benchmark Comparatif Multi-Modèles (9B vs 4B vs 2B) — Batterie de 20 Tests Notés
- Ingénierie Thermique : Optimisation Mac mini M4 (Serveur 24/7 & LLM)
- Assurance Qualité, Tests et Analyse Statique (Linter)
Référence API Python
Références