kesha-voice-kit

让工具开口说话，本地语音快 19 倍

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 音频音乐 🍴 复刻 8 🐛 待处理 12
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 80
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目，MIT许可证，本地部署，完全免费。

项目预览

kesha-voice-kit 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队drakulavich
官网地址https://drakulavich.github.io/kesha-voice-kit
GitHubhttps://github.com/drakulavich/kesha-voice-kit
定价模式🏷️完全免费
价格说明开源项目，MIT许可证，本地部署，完全免费。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
主要语言TypeScript
技术栈/模型apple-silicon,asr,bun,cli,coreml,hermes,local-first,macos,mcp,offline,onnx,openclaw,parakeet,rust,speech-recognition,speech-to-text,text-to-speech,transcription,tts,voice
GitHub 星标★ 80
上线时间2026-04-06 00:00:00
代码更新2026-11-08
仓库体积14.9 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数3

项目介绍

kesha-voice-kit 是一个本地优先的语音工具包，为开发者的工具链赋予语音能力。它支持语音转文字和文字转语音，覆盖 25 种语言，在 Apple Silicon 上运行速度比 Whisper 快约 19 倍。项目基于 TypeScript 和 Rust 构建，利用 CoreML 和 ONNX 进行高效推理，通过 Bun 提供 CLI 和 MCP 接口，可无缝集成到现有工作流。它解决的是语音处理中依赖云端、延迟高、隐私风险大的问题，让开发者完全在本地机器上实现实时语音交互。核心能力包括高精度多语言识别、快速合成、离线运行，以及通过 MCP 协议与 OpenClaw 等智能体框架对接，适合构建语音助手、会议记录、无障碍工具等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 80

技术标签

核心亮点

  • 基于 CoreML 优化，在 Apple Silicon 上比 Whisper 快约 19 倍，延迟极低
  • 支持 25 种语言，离线运行，数据不出本机，隐私安全
  • 提供 CLI 和 MCP 接口，可轻松集成到现有开发工具链和智能体

不足之处

  • 仅支持 Apple Silicon，Intel Mac 和 Windows/Linux 用户无法使用
  • 早期项目，文档和社区生态尚待完善

适用场景

  • 本地语音助手开发，实现离线语音指令控制
  • 会议或播客的实时转录，快速生成文字记录
  • 为智能体（如 OpenClaw）添加语音交互能力

替代项目

Whisper.cpp、Vosk、SpeechRecognition

上一篇：web-speech-cognitive-services

下一篇：whisper-shortcut

同类项目推荐

sonus 开源

Node 里离线监听热词，唤醒后再转文字，不依赖云。

:speech_balloon: /so.nus/ STT (speech to text) for Node with offline hotword detecti···

★ 639 2026-10-04
vocalinux 开源

在 Linux 上说话就能打字，全程离线不联网

Free, open-source, 100% offline voice dictation for Linux. Speak and type anywhere v···

★ 1003 2026-09-23
opentypeless 开源

按热键说话，任意应用直接出润色文本

Open-source AI voice typing for macOS, Windows, and Linux. Press a hotkey, speak nat···

★ 672 2026-09-28
pyannote-core 开源

把「时间段+标签」的运算封装好，语音标注不再手写区间逻辑

Advanced data structures for handling temporal segments with attached labels.

★ 126 2026-10-21
efficientspeech 开源

让语音合成在CPU上也能实时跑起来

PyTorch code implementation of EfficientSpeech - to be presented at ICASSP2023.

★ 183 2026-08-09
whisper 开源

音频丢进去，多语言文字直接出来

Robust Speech Recognition via Large-Scale Weak Supervision

★ 112267 2026-09-23
simple-obs-stt 开源

直播时自动生成实时字幕，直接叠加到 OBS 画面

Speech-to-text and keyboard input captions for OBS.

★ 107 2026-08-09
Fun-ASR 开源

用大模型听懂中文方言，多语言流式识别一键部署

Fun-ASR speech recognition models, with native Hugging Face Transformers support for···

★ 1601 2026-08-10