parlor

在苹果电脑上本地跑实时多模态 AI，对话零延迟不联网

parlor 是一个运行在 Apple 芯片设备上的实时多模态 AI 助手，功能类似 GPT-Live，但完全本地化。它解决了云端 AI 助手延迟高、隐私泄露和依赖网络的问题，通过 MLX 框架和 LiteRT-LM 实现本地大模型推理，支持语音识别、文本转语音和视觉输入，可进行自然的实时对话。核心能力包括：本地运行 Gemma 等大模型、低延迟语音交互、多模态理解（文本、语音、图像）、以及通过 Kokoro 实现高质量语音合成。项目用 Python 编写，专为 Apple Silicon 优化，适合开发者构建隐私优先的 AI 助手或实验性应用。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2068

维护状态维护中

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队fikrikarim

所属国家

官网地址

GitHubhttps://github.com/fikrikarim/parlor

定价模式free

价格说明开源项目，本地部署，完全免费。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型apple-silicon,gemma,kokoro,litert-lm,local-llm,mlx,multimodal,on-device-ai,python,real-time,speech-recognition,text-to-speech,voice-assistant

GitHub 星标★ 2068

30天Star增速

HF 下载量

上线时间2026-04-05 00:00:00

最近更新2026-09-21 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 10 分钟部署方式：本地安装 6 步

环境要求

Apple 芯片（Apple Silicon）Mac 设备，项目针对 MLX 优化
已安装 Homebrew（用于安装 llama.cpp）
能访问 GitHub 与模型下载源，首次运行需下载约 5.7 GB 模型
磁盘预留数 GB 空间存放 Gemma 与 TTS 模型

安装与启动步骤

1克隆项目仓库

把 parlor 源码拉到本地并进入项目目录，后续命令都在该目录执行。
```
git clone https://github.com/fikrikarim/parlor.git
cd parlor
```
2安装 uv 包管理器

README 指定用 uv 管理依赖，官方安装脚本一条命令完成。已装可跳过。
```
curl -LsSf https://astral.sh/uv/install.sh | sh
```
3安装 llama.cpp

通过 Homebrew 安装 llama.cpp，这是本地推理所需的运行时依赖。
```
brew install llama.cpp
```
4同步项目依赖

在项目根目录执行 uv sync，按锁定配置创建虚拟环境并装齐依赖。
```
uv sync
```
5启动 parlor 服务

运行主程序，首次启动会自动下载模型，需等待较长时间，请保持网络畅通。
```
uv run parlor
```
6浏览器授权使用

打开本地地址，允许摄像头和麦克风权限，即可开始实时语音对话。

关键配置

配置项	必填	说明	示例
`MODEL`	否	Gemma 4 规格：e2b 最快、e4b 默认、12b 需约 8GB 内存	`e4b`
`PORT`	否	服务监听端口，默认 8000	`8000`
`REASONER_API_KEY`	否	启用后台研究的 API Key，不设置则关闭该功能	`sk-xxxxxxxx`
`REASONER_BASE_URL`	否	任意 OpenAI 兼容的对话接口地址	`https://openrouter.ai/api/v1`
`REASONER_MODEL`	否	后台研究调用的模型名	`openai/gpt-5.6-luna`

如何确认成功

浏览器访问 http://localhost:8000，授权摄像头和麦克风后能正常对话即启动成功。

常见问题

Q：首次运行很久没反应是卡住了吗？

A：不是。首次运行会自动下载 Gemma 4 E4B QAT 及其多模态投影器与 TTS 模型，合计约 5.7 GB，视网速需等待一段时间。

Q：必须联网才能使用吗？

A：模型下载和后台研究功能需要网络；推理本身在本地运行。不设置 REASONER_API_KEY 时后台研究默认关闭。

Q：如何换更小或更大的模型？

A：设置环境变量 MODEL：e2b 最快，e4b 默认且答案更好（延迟约为 e2b 的 1.8 倍），12b 需要约 8GB 内存。

Q：配置项写在哪里？

A：可写在 shell 环境变量里，或放在仓库根目录的 .env 文件中；完整配置见 docs/configuration.md。

注意事项

项目处于研究预览阶段，是早期实验，可能存在粗糙之处和 bug。
仅支持 Apple 芯片 Mac，其他平台无法按 README 方式运行。
命令需在克隆后的 parlor 目录内执行。
模型自动下载需预留磁盘空间与稳定网络。

核心亮点

完全本地推理，数据不出设备，隐私安全有保障
针对 Apple Silicon 深度优化，利用 MLX 加速，性能出色
集成语音识别与合成，实现端到端实时语音对话体验

不足之处

仅支持 Apple Silicon，硬件门槛高，普通 PC 无法使用
文档/社区待观察

适用场景

隐私敏感的本地语音助手开发
离线环境下的多模态 AI 交互实验
Apple 生态内实时对话式 AI 应用原型

替代项目

Ollama、llama.cpp、Whisper.cpp

项目介绍

parlor 是智能体领域的开源项目，由 fikrikarim 开发，是 2026 年新上线的项目。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,068）位列前 30%，在智能体分类中处于中上游。

近 42 天，它的 GitHub 星标从 1,975 增加到 2,068，净增 93。

项目仍在小幅维护中，最近一次代码更新于 2026-09-21。本地部署，完全免费。

它主要面向的使用场景是：隐私敏感的本地语音助手开发。同类可对比的替代方案包括 Ollama、llama.cpp、Whisper.cpp。

上一篇：qwen-audio-agent

下一篇：ai-skills