parlor

Parlor 是一个在设备上运行的实时多模态AI项目，能够通过语音和视觉与用户进行自然对话。该项目利用Gemma 4 E2B模型处理语音和视觉输入，Kokoro模型实现文本到语音的转换，整个过程完全在本地完成，无需依赖云端服务器。其核心技术特点包括基于浏览器的语音活动检测、打断功能以及句子级TTS流式传输，使得交互更加流畅自然。适用于希望保护隐私且需要离线工作的场景，特别是对于语言学习者而言，能够在没有网络连接的情况下提供有效的口语练习支持。