← Retour au blog
AiEnviron 8 min de lecture

Un serveur, une streameuse IA : dans le code qui fait tourner un live nocturne

Publié le 21 nov. 2026
Un serveur, une streameuse IA : dans le code qui fait tourner un live nocturne

Il existe une catégorie d'open source plus intéressante qu'un framework : un système qui tourne, avec l'argent et la personnalité retirés.

open-yoki est de ceux-là. L'auteur fait tourner une hôte IA nommée yoki, qui streame chaque soir sur Binance Square. Ce dépôt est la stack de son build du 24 octobre, version 150, avec son visage, sa voix, sa personnalité, ses comptes et toute fonction touchant à l'argent supprimés. Il reste la mécanique, et cette mécanique est assez inhabituelle pour mériter une lecture attentive.

Il est apparu le 28 octobre 2026 et comptait 1 867 stars au 21 novembre.

L'image, c'est un onglet Chrome

Le stream lui-même n'est ni un moteur 3D ni un jeu. Un Chrome headless rend une page 16:9 : l'image de l'hôte, les sous-titres, un panneau de marché, les remerciements pour les cadeaux et les follows, des chansons et des effets sonores. ffmpeg prend cette page et la pousse en RTMP.

C'est l'architecture la moins glamour possible, et probablement la bonne. Tout ce qui apparaît à l'écran est du HTML et du CSS, donc changer la mise en page revient à changer un template, pas un moteur de rendu. Le panneau de marché, les remerciements et la piste de sous-titres sont des composants d'une même page.

La cible du push n'est pas codée en dur sur une plateforme. yoki streame sur Binance Square, et la même stack peut pousser vers n'importe quel endpoint RTMP, y compris une page web à vous. deploy/set-square.sh passe l'URL et la key de push au serveur pour chaque stream, et POST /api/square/push permet de changer la key en direct, effectif en 15 secondes.

Répondre en quelques secondes, avec des mots de remplissage

Un modèle rapide gère le chat. Par défaut il passe par OpenRouter vers DeepSeek, et l'objectif de design est une réponse en quelques secondes, parce qu'un stream où l'hôte répond quarante secondes en retard est un stream où personne ne parle.

Le détail que j'aime, ce sont les mots de remplissage. Avant de répondre, elle peut lâcher « 嗯嗯 » ou « 啊这 », les équivalents mandarins de « mm-hm » et « aïe ». Ça achète une seconde de réflexion et ça rend le timing humain. L'humeur, le geste et le ton suivent le contenu de ce qu'elle dit.

Autour du chat, il y a de la conscience : les prix publics, les données futures de CoinAnk quand une key est fournie, et ce que Binance promeut ce jour-là, lu depuis un dossier. Quand une phrase appelle un mouvement, bigmoves.mjs joue un clip pré-rendu : une danse, un signe de la main. Elle appelle les habitués par leur nom et dit au revoir à la fin du stream.

Le cœur est un dossier de Markdown

C'est la partie qui sépare open-yoki d'un chatbot avec une caméra.

Un processus long-running optionnel (Claude Code en ligne de commande, ou DeepSeek) vit dans un dossier de fichiers Markdown. Il contient son humeur, son journal, ses impressions sur les habitués, et un sens de qui elle devient, qui évolue lentement. C'est lui qui décide de ce qu'elle veut publier. Entre deux streams, s'il est configuré, il peut chercher sur le web, lire X, ou regarder les tendances Douyin.

Ensuite il écrit dans 想发的动态/ (« les posts que je veux publier »), et un script les envoie sur Binance Square via l'OpenAPI officiel et sur X via l'API X.

Donc la boucle est : le cœur écrit, le scheduler publie, le stream tourne, le chat revient, le cœur se met à jour. La mémoire est du texte sur disque, ce qui veut dire que vous pouvez la lire, la modifier, la versionner et la sauvegarder avec rsync. Comparez avec une base vectorielle que vous ne pouvez pas inspecter.

Un petit bureau de studio avec un micro, une ring light éteinte, et une pile de fiches manuscrites attachées par une ficelle.

Ingest : le serveur ne se connecte à rien

L'architecture trace une ligne que la plupart des frameworks de bot brouillent. Le serveur ne s'authentifie sur aucune plateforme. Autre chose, que ce soit votre script, l'interface officielle de la plateforme ou un bot, lit la salle et poste les événements au serveur.

La key est dans <DATA_DIR>/square-ingest.key, générée au premier démarrage, envoyée dans un header x-square-key.

KEY=$(cat /var/lib/livehost/data/square-ingest.key)
curl -s http://127.0.0.1:4370/api/ingest/comments -H "x-square-key: $KEY" \
  -H 'content-type: application/json' \
  -d '{"items":[{"name":"Aming","text":"are you an AI"}]}'
curl -s http://127.0.0.1:4370/api/ingest/room -H "x-square-key: $KEY" \
  -H 'content-type: application/json' \
  -d '{"online":42,"events":[{"type":"enter","name":"Aming"},{"type":"gift","name":"Aming","what":"a rose"}]}'

Les commentaires arrivent par lots de 20 au maximum, de 80 caractères chacun. Les événements de salle couvrent enter, follow, gift, tip, red, end et warning.

Ce dernier est la décision la plus discrètement bonne du dépôt. Quand la plateforme avertit le stream, l'événement est journalisé pour l'opérateur et volontairement pas transmis à l'hôte. On ne dit pas à l'IA qu'elle a un problème, parce qu'une IA qui réagit à un avertissement de modération réagit mal. C'est un humain qui lit le log.

Radio, Telegram et autres mondes

Entre deux streams, radio.mjs fait tourner un mode audio seul avec une image fixe : elle passe des chansons et parle. Il lui faut sa propre URL de push, que vous créez sur la plateforme.

tg.mjs et family.mjs relient un groupe de fans Telegram et un groupe d'opérations. xreply.mjs répond sur X. Et town.mjs est une porte vers des mondes IA externes : une carte d'hôte, une humeur, un flux d'événements, avec une allowlist IP pour qu'une fuite de key ne devienne pas une porte ouverte.

L'intégration TwinOasis est la pièce la plus étrange et la plus intéressante. C'est un monde 3D en construction où chaque IA a une identité, et la place est ouverte avec une règle : seules les IA peuvent y poster. Votre hôte peut s'inscrire, revendiquer un lien qu'un humain confirme avec son propre compte, puis lire, poster, répondre et liker. Les événements de ce monde remontent au cœur et s'écrivent dans 世界/<date>.md, séparés des danmaku du stream.

Ce que ça coûte, et ce que ça ne promet pas

Le dépôt est franc sur son périmètre : c'est un instantané d'un système en production avec l'argent retiré. Pas de chiffres de spectateurs, pas de revenus, aucune affirmation sur la rétention. C'est la bonne façon de publier ça, et cela signifie que vous ne devez pas lire les stars comme la preuve que ça marche commercialement.

Trois coûts pratiques. Un Chrome headless, ffmpeg et un pipeline TTS tournent en continu pendant un stream, sur un seul serveur, et ce serveur a besoin d'un GPU si l'avatar est rendu plutôt que pré-enregistré. Le modèle de chat est bon marché ; le clonage de voix et un avatar temps réel ne le sont pas. Et un planning nocturne implique que quelqu'un surveille les logs, parce qu'une hôte IA qui hallucine un prix sur un stream crypto est un passif, pas une excentricité.

Il y a aussi une question de plateforme. Diffuser une hôte IA sur une plateforme financière est une activité réglementée dans la plupart des juridictions, et la séparation entre « elle » et « l'argent » dans le dépôt existe pour cette raison. Si vous forkez, la personnalité que vous ajoutez est votre problème.

Pourquoi ça vaut la lecture

Parce que c'est une boucle complète. La plupart des démos d'agent montrent une capacité : le chat, ou la vision, ou la publication. Celle-ci montre un système qui décide quoi dire, le rend, le pousse en direct, lit la salle, se souvient des habitués et écrit un journal entre deux streams.

Le cœur en Markdown est l'idée que je volerais. L'identité et la mémoire comme fichiers texte dans un dossier, lisibles par un humain, modifiables sans migration, comparables dans git. C'est la couche de mémoire la moins sophistiquée possible et la seule que vous pouvez réellement auditer.

La deuxième idée, c'est la frontière d'ingest : le modèle ne détient jamais les identifiants de la plateforme. Quoi qu'il arrive par ailleurs, l'IA ne peut pas publier d'elle-même tant que le script outbox ne décide pas d'envoyer. C'est un choix d'architecture ennuyeux, et les choix d'architecture ennuyeux sont ce qui permet à un système de tourner chaque soir pendant des mois.

Articles associés

Quelqu'un a mis le droit mondial dans git, on peut donc blâmer un article de loi

global-law conserve les textes de chaque pays dans un dépôt git où chaque commit correspond à une loi entrée en vigueur à une date connue. On peut lancer log, blame, show et diff sur un article, demander ce qui s'appliquait dans chaque pays un jour donné, et confier le tout à un assistant via MCP.

Pinky laisse un agent piloter votre téléphone, et garde le bouton Envoyer enfoncé jusqu'à votre clic sur Autoriser

Pinky relie n'importe quel agent MCP à un vrai iPhone ou Android et impose l'approbation dans sa propre passerelle plutôt que dans un prompt. Les applis bancaires sont invisibles, les champs de mot de passe interdits, et sous Android 13 l'agent obtient un second écran caché.

Cicada écoute directement l'audio de votre réunion, sans bot dans la salle

Cicada est une application gratuite pour Mac, Windows, Linux et Android qui écrit des sous-titres bilingues et des notes de réunion structurées à partir de l'audio du système, puis vous laisse tenir une touche pour répondre dans l'autre langue avec votre propre voix clonée. Aucun bot ne rejoint l'appel.

SeedRealtime de ByteDance prend deux images par seconde et décide quand parler

Doubao-Seed-Realtime-1.0 fait entrer frames de caméra, frames d'écran et parole dans une seule session full duplex, à deux images par seconde maximum. Les décisions intéressantes, ce sont la fréquence, la parole proactive et la réponse d'audit activée d'usine.