Repolode
Enviar
fikrikarim

fikrikarim/parlor

Asistente de IA de voz y cámara en tiempo real, totalmente local, basado en Gemma 4 y llama.cpp, que funciona en Apple Silicon o Linux.

Alternativa open source a:ChatGPT Advanced Voice

Ver en GitHub
Estrellas
2,112
Forks
281
Issues abiertos
1
Último commit
hace 3 meses

¿Qué es?

Parlor es un asistente multimodal autoalojado y en tiempo real que escucha por el micrófono y ve a través de la cámara, y luego responde en voz alta. Todo el proceso se ejecuta en el equipo del usuario: Gemma 4 E4B, servido por llama.cpp, procesa el habla y las imágenes; Kokoro convierte texto a voz; y smart-turn-v3 de Pipecat detecta cuándo el usuario ha terminado de hablar. La interfaz web captura audio y fotogramas JPEG a través de WebSocket, y un servidor FastAPI gestiona el ciclo de conversación.

El proyecto se centra en la baja latencia y en una conversación natural. Las respuestas comienzan con una transcripción y se reproducen en voz alta frase por frase mientras se siguen generando; si el usuario empieza a hablar, interrumpe al asistente. Los temporizadores, los cambios de modo —como la traducción en vivo y la toma de notas en silencio— y un paso opcional de investigación en segundo plano que delega las consultas web a un modelo compatible con OpenAI se gestionan mediante una solicitud de acción independiente. La investigación está desactivada salvo que se configure una clave de API.

El autor lo describe como una versión preliminar de investigación, creada como alternativa local a los asistentes de voz al estilo de GPT-Live, y señala que el código se desarrolló con una ayuda considerable de IA.

Funciones clave

  • 01Ejecuta el reconocimiento de voz, la visión y la generación de respuestas en el dispositivo con Gemma 4 mediante llama.cpp.
  • 02Gestión de turnos con manos libres mediante Silero VAD y detección del final del turno con smart-turn-v3.
  • 03Transmite las transcripciones y las respuestas habladas frase por frase, con compatibilidad para interrupciones.
  • 04Incluye temporizadores con cuenta regresiva y opción para cancelarlos.
  • 05Ofrece modos de traducción en vivo y de solo escucha.
  • 06Investigación opcional en segundo plano a través de cualquier endpoint compatible con OpenAI.

Casos de uso

  • Practicar inglés hablado con un tutor de voz privado y gratuito en un servidor doméstico o una laptop.
  • Pensar en voz alta mientras el asistente transcribe notas sin responder en voz alta.
  • Interpretar conversaciones de forma consecutiva en cualquier idioma que Gemma entienda.
  • Experimentar con asistentes multimodales locales en equipos Mac con Apple Silicon.

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/fikrikarim/parlor.git
  2. 2

    Ve al directorio del proyecto

    cd parlor
  3. 3

    Instala llama.cpp (macOS)

    brew install llama.cpp
  4. 4

    Instala las dependencias e inicia el servidor; luego abre http://localhost:8000

    uv sync && uv run parlor

Antes de usarlo

  • Es una versión preliminar de investigación con aspectos aún por pulir y errores.
  • Requiere macOS con Apple Silicon o una GPU compatible con Linux, además de la compilación b9503 o posterior de llama.cpp.
  • El modelo predeterminado necesita unos 6 GB de RAM libre y, en el primer inicio, se descarga un modelo de unos 5,7 GB.

En colecciones

Ejecuta LLM en localApps open source para MacHerramientas de vídeo y audio con IA

Temas

#on-device-ai#local-llm#voice-assistant#multimodal#speech-recognition#text-to-speech#gemma#llama-cpp#apple-silicon#kokoro

Preguntas frecuentes

¿Qué es parlor?
Asistente de IA de voz y cámara en tiempo real, totalmente local, basado en Gemma 4 y llama.cpp, que funciona en Apple Silicon o Linux. Parlor es un asistente multimodal autoalojado y en tiempo real que escucha por el micrófono y ve a través de la cámara, y luego responde en voz alta. Todo el proceso se ejecuta en el equipo del usuario: Gemma 4 E4B, servido por llama.cpp, procesa el habla y las imágenes; Kokoro convierte texto a voz; y smart-turn-v3 de Pipecat detecta cuándo el usuario ha terminado de hablar. La interfaz web captura audio y fotogramas JPEG a través de WebSocket, y un servidor FastAPI gestiona el ciclo de conversación.
¿parlor es gratuito? ¿Qué licencia tiene?
parlor es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿parlor sigue mantenido?
Actualizado en los últimos 6 meses. El último commit de parlor fue el 3 ago 2026.
¿Para qué puedo usar parlor?
Practicar inglés hablado con un tutor de voz privado y gratuito en un servidor doméstico o una laptop. Pensar en voz alta mientras el asistente transcribe notas sin responder en voz alta. Interpretar conversaciones de forma consecutiva en cualquier idioma que Gemma entienda. Experimentar con asistentes multimodales locales en equipos Mac con Apple Silicon.
¿Cómo se instala parlor?
Clona el repositorio: git clone https://github.com/fikrikarim/parlor.git Ve al directorio del proyecto: cd parlor Instala llama.cpp (macOS): brew install llama.cpp Instala las dependencias e inicia el servidor; luego abre http://localhost:8000: uv sync && uv run parlor
¿Dónde consigo parlor?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/fikrikarim/parlor

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados