parlor

Parlor 是一个运行在本地设备上的实时多模态AI对话系统，支持语音输入、摄像头视觉输入及语音输出，全部计算过程在用户终端完成。它基于 Gemma 4 E2B 模型（通过 LiteRT-LM 部署）处理语音与图像理解，结合 Kokoro TTS 模型实现低延迟流式语音合成，并集成浏览器端 VAD 与打断（barge-in）能力。适用于语言学习、离线语音助手、隐私敏感的交互场景，尤其适配 Apple Silicon Mac 或支持 GPU 的 Linux 设备。项目强调零服务器依赖、实时响应与多语言支持，目前为研究预览版本。