parlor

Parlor是一款完全在设备本地运行的实时多模态AI应用，支持自然语音和视觉对话，无需联网即可使用，保护隐私的同时提供流畅的AI交互体验。 一、快速开始 1. 访问Parlor的GitHub项目页面，按照说明下载对应平台的安装包。建议设备配置为Apple Silicon Mac（M系列芯片）或配备独立显卡的PC以获得最佳体验。 2. 首次启动时，应用会自动下载所需的AI模型文件（Gemma 4 E2B用于语音和视觉理解，Kokoro用于文本转语音），下载完成后所有处理均在本地进行。 3. 打开浏览器访问应用提供的本地地址，允许麦克风和摄像头权限后即可开始对话。无需注册账号，打开即用。 二、核心功能演示 功能1：免按键语音对话 Parlor内置浏览器端语音活动检测（VAD），打开页面后直接对着麦克风说话即可，无需按住任何按钮。系统会自动检测你的语音开始和结束，实现自然的对话节奏。说完后AI会自动识别并生成回复。 功能2：视觉问答 开启摄像头后，你可以对着摄像头展示物体、场景或文档，同时用语音提问，例如这是什么植物？或帮我看看这段代码有什么问题。AI会同时理解你的语音内容和画面信息，给出综合回答。 功能3：打断与流式回复 在AI回复过程中，如果你有新的问题或想补充信息，可以直接开口说话打断AI。Parlor支持句子级TTS流式播放，AI会边生成边朗读，不必等整段回复完成，对话体验更自然流畅。 三、实际使用案例 场景1：烹饪助手 做饭时双手不便操作手机，开启Parlor的摄像头对准灶台和食材，用语音询问这道菜下一步该怎么做？，AI会根据你展示的食材状态给出实时指导，遇到问题随时打断追问。 场景2：实时翻译与学习 阅读外文书籍或文档时，将页面展示给摄像头并问这段话是什么意思？，AI会识别文字内容并用中文解释，还能进一步回答你对内容的疑问，像一个随时待命的私人外教。 四、常见问题FAQ Q1：对电脑配置有什么要求？ A：推荐Apple M3 Pro及以上芯片的Mac可获得约2.5-3秒的端到端延迟。PC端需要支持CUDA的NVIDIA显卡，显存建议8GB以上。CPU模式也可运行但延迟会明显增加。 Q2：对话内容会被上传到服务器吗？ A：不会。Parlor的所有AI处理完全在本地设备上运行，语音、图像和对话内容均不会离开你的电脑，充分保护隐私。 五、小贴士 1. 使用外接麦克风和安静的环境可以显著提升语音识别准确率，避免背景噪音干扰。 2. 摄像头画面保持稳定、光线充足能提高视觉理解的效果，避免频繁晃动。 3. 如果觉得AI回复速度较慢，可以尝试降低模型精度或使用更小的模型版本，在速度和质量之间找到平衡。