
Nano Banana VIDEO
Nano Banana Video 并非对标 Runway、Pika 或 Sora 这类专业级视频生成工具,它的优势在于,低门槛:无需注册复杂账号,界面简洁;高效率:从输入到输出可在几分钟内完成; 专注创作闭环:从风格化到动画化,全流程集成。
Parlor 是一个开源的研究预览项目,实现设备端(On-Device)、低延迟的多模态 AI 交互。它允许用户通过自然的语音和视觉(摄像头)与运行在本地机器上的 AI 进行对话,无需将任何数据发送到云端。

通过结合谷歌最新的轻量级模型 Gemma 4 E2B 和高效的文本转语音引擎 Kokoro,Parlor 在消费级硬件(如 Apple M3 Pro)上实现了流畅的实时互动体验,为隐私敏感型应用和离线场景提供了全新的可能性。
在 Apple M3 Pro 上,端到端延迟控制在 2.5 – 3.0 秒 左右:
Parlor 采用简洁高效的 Client-Server 架构:
graph TD
A[浏览器客户端] -->|WebSocket: 音频 PCM + JPEG 帧| B(FastAPI 服务器)
B --> C{Gemma 4 E2B via LiteRT-LM}
C -->|GPU 加速推理| D[理解语音 + 视觉]
D --> E{Kokoro TTS}
E -->|Mac: MLX / Linux: ONNX| F[生成语音音频块]
F -->|WebSocket: 流式音频| A
A --> G[播放音频 + 显示转录文本]
# 1. 克隆仓库
git clone https://github.com/fikrikarim/parlor.git
cd parlor
# 2. 安装 uv (如果尚未安装)
curl -LsSf https://astral.sh/uv/install.sh | sh
# 3. 进入源码目录并同步依赖
cd src
uv sync
# 4. 启动服务器
uv run server.py
启动后,打开浏览器访问 http://localhost:8000,授予摄像头和麦克风权限,即可开始对话。首次运行时,系统会自动从 Hugging Face 下载 Gemma 4 E2B 模型(约 2.6 GB)和 TTS 模型。







