Parlor Jarvis — リアルタイム音声・画面入力でAIが音声で応答、複数言語対応のオープンソースツール登場

typomonster氏がGitHubで Parlor Jarvis を公開。リアルタイムで音声とスクリーン画像を入力として受け取り、AIが音声で応答するシステムで、複数言語に対応している。

従来のテキストベース・チャット型AIと異なり、マイクとカメラから同時に情報を受け取って処理（マルチモーダル入力）し、話しかけるだけで画面上の内容を理解して答える。音声での出力により、キーボードやマウスが不要になり、手が塞がった状況下でもAIと対話可能。

オープンソース（無料で誰でも使える・改造できる）なため、営業資料を見ながらの商談サポート、作業中のハンズフリー問い合わせ、多言語対応による国際会議のリアルタイム支援など、業務現場で即座に導入できる選択肢が生まれた。

GitHub上で無料公開されており、ソースコードを取得して自分の環境で実行・カスタマイズできる。Hacker Newsでも紹介されるなど、開発コミュニティからの検証が始まっている。