Mac向けのオープンソース音声入力アプリ。Fnキーを押して話すと、整えたテキストがカーソル位置に入力されます。
floneum/kalosm
LLM、Whisper、埋め込みモデルなどの事前学習済みAIモデルを、構造化出力を制御しながらローカルまたはリモートで実行できるRustエコシステム。
- スター
- 2,235
- フォーク
- 135
- 未解決の Issue
- 53
- 最終コミット
- 14 日前
これは何?
Kalosmは、事前学習済みモデルを使ったアプリケーションを構築するためのRustクレート群です。Llama、Mistral、Phiなどの言語モデル、Whisperによる音声文字起こし、Segment Anythingによる画像セグメンテーション、Bertによるテキスト埋め込みをシンプルなインターフェースで利用できます。モデルは量子化形式で読み込め、GPUで高速化できます。
モデルへのアクセスに加えて、KalosmにはLLMに渡すコンテキストを準備するユーティリティも含まれています。txt、html、docx、md、pdfファイルからテキストを抽出して分割し、ベクトルデータベースとの連携機能で検索できます。また、Webクローリングやスクレイピング、マイクやファイルからの文字起こしにも対応しています。
構造化生成は中核機能のひとつです。ParseとSchemaをderiveした型を使うと、モデルの出力を指定した形式に制約できます。また、JSON、HTML、XMLなどの形式に合わせて、正規表現や独自の文法を指定できます。ローカルバックエンドとして、量子化推論向けのコンパイラベースのCPU・WebGPUランタイムであるFusorを採用しています。Fusorは開発初期段階とされており、本番環境向けではありません。
主な機能
- 01言語、音声、画像、埋め込みモデルの事前学習済みモデルをRustで実行できます。
- 02GPUアクセラレーションに対応した量子化モデルを利用できます。
- 03deriveマクロを使い、Rustの型、正規表現、独自の文法で出力を制約できます。
- 04LLMのコンテキスト用に、txt、html、docx、md、pdfからテキストを抽出して分割できます。
- 05Whisperを使い、マイクやファイルから音声を文字起こしできます。
ユースケース
- ホスト型APIを呼び出さずに、Rustでローカルチャットボットを構築する。
- ローカルLLMから、後続のコードで利用できる構造化JSONを生成する。
- ローカルの埋め込みモデルを使って、ドキュメントのセマンティック検索を追加する。
- 会議やマイクの音声を、自分のマシン上で文字起こしする。
クイックスタート
- 1
rustup で Rust をインストールする
- 2
新しい Rust プロジェクトを作成する
cargo new kalosm-hello-world cd ./kalosm-hello-world - 3
依存関係に Kalosm と Tokio を追加する
cargo add kalosm --features llama cargo add tokio --features full - 4
チャットボットのコードを main.rs に追加して実行する
cargo run --release
使う前に知っておきたいこと
- 推論バックエンドの Fusor は開発初期段階にあり、本番環境での使用にはまだ適していません。
- Rust ツールチェーンが必要です。また、ソースからのコンパイルには手間がかかります。
- モデルのダウンロードサイズは数十メガバイトから数十ギガバイトに及びます。
収録されている特集
トピック
よくある質問
- kalosm とは?
- LLM、Whisper、埋め込みモデルなどの事前学習済みAIモデルを、構造化出力を制御しながらローカルまたはリモートで実行できるRustエコシステム。 Kalosmは、事前学習済みモデルを使ったアプリケーションを構築するためのRustクレート群です。Llama、Mistral、Phiなどの言語モデル、Whisperによる音声文字起こし、Segment Anythingによる画像セグメンテーション、Bertによるテキスト埋め込みをシンプルなインターフェースで利用できます。モデルは量子化形式で読み込め、GPUで高速化できます。
- kalosm は無料で使えますか?ライセンスは?
- kalosm は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- kalosm は今もメンテナンスされていますか?
- 活発にメンテナンス中。kalosm の最終コミットは 2026年10月24日 です。
- kalosm は何に使えますか?
- ホスト型APIを呼び出さずに、Rustでローカルチャットボットを構築する。 ローカルLLMから、後続のコードで利用できる構造化JSONを生成する。 ローカルの埋め込みモデルを使って、ドキュメントのセマンティック検索を追加する。 会議やマイクの音声を、自分のマシン上で文字起こしする。
- kalosm のインストール方法は?
- rustup で Rust をインストールする 新しい Rust プロジェクトを作成する: cargo new kalosm-hello-world cd ./kalosm-hello-world 依存関係に Kalosm と Tokio を追加する: cargo add kalosm --features llama cargo add tokio --features full チャットボットのコードを main.rs に追加して実行する: cargo run --release
- kalosm はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/floneum/kalosm
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
CTranslate2推論エンジン上で動作する、メモリ使用量を抑えた8-bit量子化対応のOpenAI Whisper音声認識モデル再実装。
チャット、ツール、エージェント、埋め込み、Rails連携を単一のAPIで実現する、LLM機能開発向けRubyフレームワーク。
オープンソースの音声認識と音声合成を使い、LLMと会話できるRust製セルフホスト型音声チャットアプリ。
音声クローン、音声生成、あらゆるアプリへの音声入力、AIエージェントの音声化に対応するローカルファーストのオープンソースAI音声スタジオ。
Whisperなどの音声モデルを使い、音声や動画を自分のデバイス上で完全オフラインで文字起こしするデスクトップアプリです。