重要なポイント
- Parlor(github.com/fikrikarim/parlor)は、無料でオープンソースのオンデバイス・リアルタイムのマルチモーダルAIアシスタント — 完成品ではなくリサーチプレビュー
- 開発者Fikri Karim氏が作成。同氏は別途ホスト型音声AIプロジェクト「Bule AI」も開発しており、OpenAIのGPT-Liveを試した後、完全にローカルな代替を求めてParlorを開発
- Apache 2.0ライセンス。GitHubリポジトリのLICENSEファイルで確認済み
- デフォルトでGemma 4(Google DeepMind)、具体的にはE4Bバリアントをllama.cpp経由で実行し、音声とビジョンの理解を統合
- 本レビュー時点でGitHubスター2,000超、フォーク271
- これまでにタグ付きリリースが2回: v1.0.0(2026年7月29日)とv2.0.0(2026年8月2日)
📍 一文で説明
Parlorは、ソロ開発者がリサーチプレビューとして開発した無料・オープンソースのオンデバイス・リアルタイム音声・ビジョンAIアシスタントで、Apple SiliconのMacまたは対応GPUを搭載したLinuxマシン上でllama.cpp経由のGemma 4を実行し、GitHubスターは2,000を超えます。
💬 簡潔に説明
Parlorは自分でインストールして実行するソフトウェアで、Webカメラを併用しながら声でAIアシスタントと話すことができます。デフォルトではすべて自分のコンピュータ上で完結し、クラウド音声のサブスクリプションもアカウントも、分単位の料金も不要です（オプションのクラウドリサーチ機能を有効にした場合を除く）。AIモデルをローカルで実行するため、それなりに性能の高いGPU搭載のMacまたはLinuxマシンが必要です。
📌補足: 本レビューはParlor自身のGitHubリポジトリ、README、およびGitHub API経由のリリース履歴に基づいています。Parlorが公表したレイテンシーのベンチマーク値をPromptQuorumが独自に再現したものではありません — これらの数値はプロジェクト自身が計測したもので、Apple M3 Proで測定されています。
Parlorとは?
Parlorは、聞き取り、カメラで見て、声で応答する、完全オンデバイスのリアルタイムAIアシスタントの無料・オープンソースなリサーチプレビューです。コンセプトとしてはOpenAIのGPT-Liveに近いですが、クラウドではなくローカルで動作します。 READMEには明確に「リサーチプレビュー」と記載されており、粗さやバグを想定してほしいと注意書きがあります。
- 製品タイプ: 自己ホスト型のローカルWebアプリケーション — 自分のマシンでサーバーを実行し、ブラウザで開く
- 開発者: ソロで活動する開発者Fikri Karim氏。READMEには、コードベースは「Claudeの強力な支援を受けながら、人間がアイデア立案・テスト・デバッグを主導して」書かれたと記載
- リポジトリ: github.com/fikrikarim/parlor、2026年4月5日作成
- ライセンス: Apache 2.0。リポジトリのLICENSEファイルで確認済み
- 資金調達: 本レビューの調査では資金調達ラウンド、投資家、商業的な後ろ盾は確認されなかった — Parlorは資金提供を受けた企業ではなく、独立したソロ開発者によるリサーチプロジェクトとして扱うべき
- 規模: 本レビュー時点でGitHubスター2,000超、フォーク271
Parlorは実際どう動作するのか?
Parlorは単一のエンドツーエンド音声モデルではなく、カスケードパイプラインを採用しています。ブラウザがマイク音声とカメラフレームをWebSocket経由でローカルのFastAPIサーバーにストリーミングし、そのサーバーがターン検出、ビジョン言語モデル、テキスト読み上げをそれぞれ別ステージとして実行します。
- ターン検出: ブラウザ側のSilero VADが無音を検知した後、Pipecatのsmart-turn-v3モデル(約20ms)が、実際に発話が終わったかどうかを判定します。そのため、文の途中の間(ま)がターンの終わりと誤認識されることはありません
- 理解と生成: デフォルトのE4BバリアントのGemma 4(Google DeepMind)が、QAT 4-bit量子化を用いたllama.cpp経由で音声とカメラフレームの両方を処理し、応答をストリーミングします
- アクション処理: 同じモデルによる別のグラマー強制JSONリクエストが、タイマー設定・モード切り替え・リサーチ要求を判断するため、制御用の指示が音声応答に紛れ込むことはありません
- 音声出力: Kokoroのテキスト読み上げ(macOSではMLXバックエンド、LinuxではONNX)が、モデルの生成中にも文単位で応答を読み上げます
- 割り込み(バージイン): Parlorの発話中に話しかけて中断できます — 再生をミュートするだけでなく、サーバー側で生成自体が中止されます
- オプションのクラウドリサーチ:
REASONER_API_KEYを設定すると、OpenRouterなどOpenAI互換エンドポイント経由でフロンティアモデルにオープンエンドなリサーチ質問(例: 「今すぐローマで一番おいしいピザを探して」)を委任でき、ローカルの会話はそのまま続行されます。このキーを設定しない限り、Parlorは完全にオンデバイスのままです
Parlorで何ができるのか?
Parlorはカメラ入力をオプションとしたハンズフリーの音声会話に対応し、特定のタスク向けにいくつかの名前付きモードも備えています。
- ハンズフリー会話: プッシュトゥトークボタンなし — Parlorが発話の開始と終了を自動で検知します
- カメラ対応の回答: Webカメラを何かに向けて質問すると、フレームが音声と一緒に同じローカルモデルにストリーミングされます
- タイマー: 「パスタ用に3分のタイマーをセットして」— カウントダウン時計は(言語モデルではなく)サーバー自体が管理するため、無音のターン中でもタイマーは確実に鳴り、画面上にはキャンセル可能なカウントダウンチップが表示されます
- ライブ翻訳モード: 「私が話す内容を全部英語に翻訳して」と言うと、Parlorは逐次通訳者になり、短い間を置いて各発話をGemma 4が理解できる任意の言語でレンダリングします。「翻訳を止めて」と言うまで続きます
- 聞くだけモード: 「しばらく聞いているだけにして、声に出して考えたい」と言うと、Parlorは話しかけ返すことなく、すべてを画面上に文字起こしします。再度呼びかけるまでこの状態が続きます
- バックグラウンドリサーチ: オプションのクラウドAPIキーを設定すると、ローカルの会話を続けながらオープンエンドな調べもの質問を別のモデルに委任し、回答が届き次第それを読み上げます
プラットフォーム、価格、ライセンス
プラットフォーム
- Parlorの説明:
- ブラウザ経由でアクセスする自己ホスト型のローカルWebアプリ。Apple SiliconのmacOS、または対応GPUを搭載したLinuxで動作。Windows版は存在しない。
料金
- Parlorの説明:
- 無料・オープンソース。サブスクリプションもアカウントも不要。すべてのAI処理はデフォルトでローカル実行。オプションのクラウドリサーチ機能には別プロバイダー向けの自前のAPIキーが必要。
ライセンス
- Parlorの説明:
- Apache 2.0。GitHubリポジトリのLICENSEファイルで確認済み。
ハードウェア
- Parlorの説明:
- デフォルトのGemma 4 E4Bモデルには空きRAM約6GBが必要。小型のE2Bバリアントは約4GBで動作。より大きな12Bオプションは約8GBが必要。
ステータス
- Parlorの説明:
- 自らのREADMEで明確に「リサーチプレビュー」と位置付けられている — プロジェクト自身によれば、粗さやバグを想定してほしいとのこと。
リサーチプレビューはリリース間でこれらの要件が変わる可能性があるため、インストール前にgithub.com/fikrikarim/parlorで最新のハードウェア・プラットフォーム要件を直接確認してください。
Parlorをインストールする
Parlorはuv Pythonパッケージマネージャー経由でソースからインストールします。どのプラットフォーム向けにもパッケージ化されたインストーラーは存在しません。
GitHubリポジトリ(ソースコード、Apache 2.0)
必要条件
- リンク:
- Python 3.12以上、llama.cpp(ビルドb9503以降)、Apple SiliconのmacOSまたは対応GPUを搭載したLinux
インストールコマンド
- リンク:
git clone https://github.com/fikrikarim/parlor.gitを実行後、uv syncとuv run parlor
初回起動
- リンク:
http://localhost:8000を開き、カメラとマイクへのアクセスを許可。モデル(約5.7GB)は自動でダウンロードされる
Parlorにはターミナル、Python環境、ローカルのllama.cppインストール(macOSではbrew install llama.cpp)が必要です — GUIインストーラーはありません。
Parlor vs. Voxa
ParlorとVoxaはどちらもオープンソースのリアルタイム音声アシスタントですが、Parlorは意図的にローカル専用で、Voxaは設計上ハイブリッドです。
処理場所
- Parlor:
- デフォルトでオンデバイスのみ。クラウドリサーチはオプトインで会話本体とは切り離されている
- Voxa:
- ハイブリッド — クラウドのリアルタイムモデル(Gemini Live、OpenAI Realtime)、または自分で設定する自己ホスト型ローカルデーモン経由で会話をルーティング
カメラ入力
- Parlor:
- あり — カメラフレームが音声と同じモデルに入力され、ビジョン対応の回答が可能
- Voxa:
- 公式ドキュメントによればコア機能には含まれない
プラットフォーム対応
- Parlor:
- Apple SiliconのmacOS、または対応GPUを搭載したLinux。Windows版はなし
- Voxa:
- Tauri v2で構築されたデスクトップアプリ。そのフレームワークの設計によりクロスプラットフォーム
インターフェース
- Parlor:
- ブラウザベースのローカルWebアプリ
- Voxa:
- タップして会話を開始する、フレームのない常時最前面表示のオーブ
成熟度
- Parlor:
- 明確に「リサーチプレビュー」と位置付け。本レビュー時点でタグ付きリリース2回
- Voxa:
- ラベル付きのリサーチプレビューではなく、実用的なデスクトップアシスタントとして位置付け
どちらも無料でオープンソースです。Mac・Linuxでカメラ対応かつデフォルトで完全ローカルな処理を求めるならParlorを、より軽量なデスクトップオーブと必要に応じてクラウドのリアルタイム音声モデルにフォールバックできる選択肢を求めるならVoxaを選んでください。詳細はVoxaレビューを参照してください。
Parlorはどんな人におすすめか?
Parlorは、完全にローカルでカメラ対応の音声アシスタントを試してみたい、Mac・Linuxを使う開発者や技術に明るいユーザーで、リサーチプレビュー特有の粗さを許容できる人に向いています。
Parlorが向いていないケース
Windowsサポート、ワンクリックインストール、進化し続けるリサーチプレビューではなく安定した本番向けツールが必要な場合、Parlorは適していません。
- Windowsユーザー向けではない — Apple SiliconのmacOS、または対応GPUを搭載したLinuxのみ対応
- パッケージ化されたワンクリックアプリではない — インストールにはターミナル、Python 3.12以上、
uv、動作するllama.cppビルドが必要 - 完成しバージョン管理された製品ではない — 自らのREADMEでリサーチプレビューと呼ばれており、バグを想定するよう注意されている
- マルチユーザーや他者向けにホストする用途ではない — 1台のマシンで1人が使うローカル動作を前提に設計されている
- 本レビューで確認できる範囲で、企業や資金調達ラウンドの後ろ盾はない — 独立して維持されているソロ開発者のプロジェクトとして扱うべき
Parlorを評価する際によくある誤解
Parlorに関する混乱の多くは、完成した商用製品を期待していたり、ハードウェア・プラットフォーム要件を過小評価していることに起因します。
競合・代替ツール
Parlorと最も直接比較されるのは、純粋なクラウドサブスクリプションよりもローカルまたはハイブリッド処理を重視する、他のオープンソースのリアルタイム音声・パーソナルアシスタント系プロジェクトです。
ツール | 特徴 | リンク |
|---|---|---|
| Voxa | オープンソースのデスクトップ音声アシスタントオーブ。ローカル/クラウドハイブリッドのリアルタイム音声ルーティング | Voxaレビュー |
| Jarvis (Mac) | ローカルおよび設定可能なAIバックエンドを中心に構築されたMac向け音声アシスタントアプリ | Jarvis Macレビュー |
| nanobot | 永続的な記憶を持つ自己ホスト型のパーソナルAIエージェント。音声中心ではなくテキスト中心 | nanobotレビュー |
| OpenAI GPT-Live | クラウド・サブスクリプション型のリアルタイム音声製品。Parlorのインスピレーション元として言及されている | openai.com/index/introducing-gpt-live |
このリストは、ローカル音声アシスタント分野でParlorと一般的に比較されるツールを反映したものであり、PromptQuorum独自のランキングではありません — 選択前に各ツールの現在のプラットフォーム対応と機能セットを確認してください。
よくある質問
Parlorとは何ですか?
Parlor(github.com/fikrikarim/parlor)は、ソロ開発者が開発した、MacまたはLinuxマシン上で完全に動作するオンデバイス・リアルタイム音声・ビジョンAIアシスタントの、無料・オープンソース(Apache 2.0)のリサーチプレビューです。
Parlorは無料ですか?
はい、Parlorは無料でオープンソースです。サブスクリプションもアカウントも不要です。オプションのバックグラウンドリサーチ機能を有効にする場合は、別のクラウドプロバイダー向けの自前のAPIキーが必要です。
ParlorはWindowsで動作しますか?
いいえ。ParlorにはApple SiliconのmacOS、または対応GPUを搭載したLinuxが必要です。Windows版はありません。
Parlorは音声やカメラのデータをクラウドに送信しますか?
デフォルトでは送信しません — マイク音声とカメラフレームは、自分のマシン上で動作するモデルによってローカルで処理されます。データが外部に出るのは、オプションのバックグラウンドリサーチ機能を有効にするために自分でREASONER_API_KEYを設定した場合のみです。
Parlorはどうやってインストールしますか?
GitHubリポジトリをクローンし、uv Pythonパッケージマネージャーとllama.cppをインストールした後、uv syncに続けてuv run parlorを実行します。ブラウザでhttp://localhost:8000を開き、カメラとマイクの権限を許可してください。
Parlorはどのようなモデルを使用していますか?
Google DeepMindのGemma 4をllama.cpp経由でローカル実行します。デフォルトはE4Bバリアントで、ハードウェアに応じて小型(E2B)・大型(12B)のオプションも利用できます。
Parlorは誰が作りましたか?
開発者Fikri Karim氏が、以前に別の常時オンライン音声AIプロジェクト「Bule AI」を自己ホストした経験を踏まえ、ソロのリサーチプレビューとしてParlorを開発しました。
ParlorはどれくらいのRAMが必要ですか?
デフォルトのE4Bモデル構成には空きRAM約6GBが必要です。小型のE2Bバリアントは約4GB、大型の12Bオプションは約8GBが必要です。
Parlorはカメラを通して見ることができますか?
はい。Webカメラを何かに向けてParlorに質問できます — カメラフレームは音声と一緒に同じローカルモデルにストリーミングされます。
Parlorは完成した製品ですか?
いいえ。自らのREADMEで明確に「リサーチプレビュー」と位置付けられており、粗さやバグを想定するようユーザーに求めています。これまでにタグ付きリリースは2回です。