drakulavich/kesha-voice-kit

kesha-voice-kit とは？

このスキルは、開発者やAIエージェントユーザーがローカルツールに音声機能を統合するための強力なキットです。25言語をサポートする高速音声認識（STT）は、Apple Silicon上でWhisperと比較して約19倍の速度向上を実現し、ONNX CPUフォールバックも備えています。また、Kokoro、Vosk、macOSネイティブ音声を使用したテキスト音声変換（TTS）や、音声活動検出（VAD）機能も提供します。Rustで書かれた高性能なバックエンドエンジンと、BunベースのCLIツールが含まれており、OpenClawやHermesなどのAIエージェントフレームワークと連携可能です。これにより、完全ローカル環境でプライバシーを保護しながら、応答性の高い音声インタラクションを実現できます。