语音助手最容易让人出戏的时刻，是你必须等它说完才能插话。Parlor v2想在一台M3 Pro Mac上本地复刻GPT-Live：电脑自己完成听写、思考和说话，尽量不依赖云端服务。它瞄准的是全双工语音——人和助手能同时说、同时听，系统还要知道何时回应、何时处理插话，更接近自然通话。
作者最初尝试微调Gemma 4 12B，让一个模型直接具备全双工能力，包括判断何时开口并生成语音，但多轮试验都失败了。Parlor v2因此暂时采用经典的级联系统：先做语音识别，把人声转成文字；再由语言模型处理；最后通过语音合成把文字变回声音。这条路线容易替换组件，代价是多个环节的延迟会叠加。值得关注的不是它已经追平GPT-Live，而是它把现实边界说得很清楚：据作者自述，在当前这台Mac和现有模型条件下，传统级联仍是更好的选择；材料未披露延迟、准确率或对比测试数据。