missuo/koe

它解决了什么问题

Koe 是一款轻量级、以后台优先的 macOS 语音输入工具，可替代笨重或臃肿的语音输入应用。它允许用户说话，并通过大语言模型（LLM）自动纠正其话语，然后直接粘贴到任何活动的应用程序中，最大限度地减少说话与打字之间的摩擦。

它如何工作

1. 触发：用户通过可配置的快捷键（例如 Fn 键）以按住、切换或双击模式激活录音。
2. 转录：音频实时流式传输到 ASR（自动语音识别）服务提供商。支持的提供商包括云服务（Doubao、Qwen）和本地选项（Apple Speech、MLX、sherpa-onnx）。
3. 纠正：生成的转录文本被发送到 LLM（如 OpenAI、Anthropic 或本地 MLX 模型），根据可自定义的系统提示和用户定义的词典，修正大小写、空格和术语。
4. 输出：最终纠正后的文本通过 macOS 可访问性 API 自动粘贴到当前输入字段中。

适合谁使用

• 希望获得快速、简洁语音转文本工作流的 macOS 用户（Apple Silicon）。
• 偏好纯文本配置文件而非复杂图形界面的高级用户。
• 需要通过自定义词典实现领域特定术语高准确率的开发者或技术用户。

特色亮点

• 极小的占用：磁盘占用低于 15 MB，通常仅使用约 20 MB 内存。
• 混合式 ASR/LLM：支持基于云和完全离线的设备端推理（通过 MLX）。
• 轻量级架构：使用 Rust 实现高性能，使用 Objective-C 实现原生 macOS 集成，避免 Electron 应用带来的“Chromium 税”。
• 纯文本配置：所有设置（包括词典和提示）均存储在 ~/.koe/ 中，便于编辑和脚本化处理。