GAZE-DRIVEN PARTY MODE視線駆動型パーティーモード

Consensus Without Control

Whoever You Look At
Becomes Your Main Stage. あなたが見ている人が
あなたの画面の主役になる

In traditional meetings, the speaker is everyone's star. In Xander Party, whoever you look at is your star — their video smoothly enlarges, their voice rises, and it all happens locally in your browser. No server decides. No one knows you're watching. 従来のオンライン会議では「話している人」が全員の画面の主役 — Xander Partyでは「あなたが見ている人」があなたの画面の主役 — 映像は滑らかに拡大し、音声が自然に大きくなる — すべてブラウザ内で完結、サーバーは関与せず、見られている側にも通知されない

Try It体験する See How It Works仕組みを見る
<150ms Audio Response音声応答
400ms Full Focusフルフォーカス
30+ Participants参加者
0 Data Sent to Serverサーバーへの視線データ送信

OVERVIEW概要

Your Gaze Is the Director あなたの視線が演出家

Traditional video calls give everyone the same view: the active speaker fills the screen. Xander tracks where you look and builds your personal stage — the person you're watching smoothly becomes your main view, their voice comes forward, and the rest recedes. Each participant sees a different composition. No server involved. 従来のビデオ会議は全員同じ画面 — アクティブスピーカーが全員のメイン映像 — Xanderはあなたの視線を追跡し、あなただけのステージを構築 — 注目している人の映像が滑らかに拡大、声が前に出て、他は後退 — 参加者ごとに異なる画面構成、サーバーは一切関与しない

Traditional Meeting従来の会議

  • The speaker is everyone's star話している人が全員の主役
  • Same layout forced on all participants全参加者に同じレイアウトを強制
  • Server decides who to featureサーバーが誰を大きく映すかを決定
  • No personal focus control個人のフォーカス制御なし
  • Want to listen to someone else? Too bad別の人の話を聞きたい？ 無理

Xander PartyXander Party

  • Whoever you look at is your starあなたが見ている人があなたの主役
  • Every participant has their own composition参加者ごとに異なる画面構成
  • Your browser decides, locallyあなたのブラウザがローカルに判断
  • Gaze-driven focus with smooth transitions視線駆動フォーカスと滑らかな遷移
  • Natural attention flow, like a real room実際の部屋のような自然なAttentionの流れ

CORE INNOVATIONコアイノベーション

Three Stages of Gaze Response 視線応答の3段階

Your eyes move constantly. A glance isn't a commitment. Xander distinguishes a passing glance from sustained attention through progressive response — audio shifts first, then video follows, and full focus locks only when you actually mean it. 視線は常に動く — 一瞥はコミットメントではない — Xanderは一瞬の視線と持続的な注視を段階的応答で区別 — まず音声が移行し、次に映像が追従、フルフォーカスは本当に注視しているときだけロック

01

Glance — 0 to 150ms一瞥 — 0〜150ms

Audio spatialization shifts subtly toward the person you glanced at. No visual change yet. If your gaze moves on, nothing happened — no jarring layout jump, no wasted transition. 音声の空間定位が視線の先の人物に向けてわずかにシフト — 視覚的変化はまだなし — 視線が移れば何も起きなかったのと同じ — レイアウトの不快なジャンプも無駄な遷移もなし

02

Interest — 150 to 400ms関心 — 150〜400ms

Their Opus audio gains priority in the mix. A light highlight appears on their tile. The SFU begins subscribing to their higher-quality stream. Still reversible — look away and it fades. その人のOpus音声がミックス内で優先度上昇 — タイルに軽いハイライトが出現 — SFUが高品質ストリームの購読を開始 — まだ可逆的 — 視線を外せばフェードアウト

03

Focus — 400ms+フォーカス — 400ms以上

Full commitment. Their tile smoothly enlarges and slides to center. Other tiles shrink. Their AV1 bitrate ramps up. Focus locks during the transition to prevent the feedback loop — the tile moves under your gaze, so gaze tracking pauses until the new layout settles, then re-evaluates. フルコミット — タイルが滑らかに拡大し中央へ移動、他のタイルは縮小、AV1ビットレートが上昇 — 遷移中はフォーカスをロックしてフィードバックループを防止 — タイルが視線の下で移動するため、新しいレイアウトが安定するまで視線追跡を一時停止し再評価

04

Release — Natural Decay解放 — 自然な減衰

Look elsewhere and the process reverses. The previous focus smoothly shrinks. No hard cut. No server notification. The layout rebalances as naturally as your attention drifted. 他を見れば逆のプロセス — 前のフォーカスが滑らかに縮小 — ハードカットなし、サーバー通知なし — レイアウトはあなたのAttentionが移ったのと同じく自然にリバランス

Privacy by architecture. Gaze data never leaves your browser. The person you're watching is never notified. No eye-tracking telemetry is sent to any server. Audio and video adaptation happen entirely in your local browser — the SFU only sees subscription changes, not why they happened. アーキテクチャによるプライバシー — 視線データはブラウザの外に出ない — 見られている側に通知は届かない — アイトラッキングのテレメトリはどのサーバーにも送信されない — 音声と映像の適応はすべてローカルブラウザ内で完結 — SFUには購読変更だけが見え、その理由は見えない

ARCHITECTUREアーキテクチャ

No MCU. No Control Plane.
Autonomous Browsers on the Edge. MCUなし、制御プレーンなし
エッジ上の自律ブラウザ

PARTICIPANT A Autonomous Browser Capture + Encode Local Attention Eval Bitrate/FPS Decision Layout Compose Hint Emit / ACK PARTICIPANT B Autonomous Browser Capture + Encode Local Attention Eval Bitrate/FPS Decision Layout Compose Hint Emit / ACK PARTICIPANT C Autonomous Browser Capture + Encode Local Attention Eval Bitrate/FPS Decision Layout Compose Hint Emit / ACK Hints/ACKs AV1 + Hints Edge SFU Network Media Relay (no decode, no decision) DataChannel Fanout (Hints & ACKs) TURN / ICE Stateless Relay Edge Functions + KV (TTL) Auth / Discovery / Presence Only No session state, no control logic

No Central Coordinator中央コーディネータなし

Each browser evaluates attention independently. There is no leader, no authoritative state, and no control plane. The SFU is a stateless relay — it forwards media and hints but makes zero decisions. 各ブラウザがAttentionを独立に評価 — リーダーも権威的状態も制御プレーンもなし — SFUはステートレスなリレーであり、メディアとヒントを転送するだけで意思決定は一切行わない

Ephemeral State, Local Expiry短命な状態、ローカル失効

Attention hints carry local TTLs and expire independently on each browser. No distributed garbage collection. No stale-state recovery. If a participant disconnects, their hints simply vanish. AttentionヒントはローカルなTTLを持ち各ブラウザで独立に失効 — 分散ガベージコレクション不要、陳腐状態の回復不要 — 参加者が切断されるとそのヒントは単に消滅

SFU-Only Media PlaneSFUのみのメディアプレーン

The edge SFU relays AV1/Opus streams and fans out DataChannel messages. Zero server-side decode, zero compositing, zero re-encoding. It's a dumb pipe by design. エッジSFUがAV1/Opusストリームをリレーし、DataChannelメッセージをファンアウト — サーバー側デコード、合成、再エンコードは一切なし — 設計上のダムパイプ

Autonomous Compositing自律的コンポジット

Each browser independently decides its own layout based on its local attention evaluation. The active speaker enlarges; non-speakers shrink. No server tells any browser what to show. 各ブラウザがローカルAttention評価に基づいて独自にレイアウトを決定 — アクティブな発言者が拡大、非発言者は縮小 — どのブラウザに何を表示するかサーバーは指示しない

Self-Adaptive Encoding自己適応エンコード

Each browser adjusts its own AV1 bitrate and FPS based on observed attention — not server instructions. Speakers send high quality; listeners drop to minimal. The decision is local and immediate. 各ブラウザがサーバーの指示ではなく観測したAttentionに基づいて自らのAV1ビットレートとFPSを調整 — 発言者は高品質で送信、リスナーは最小に — 判断はローカルかつ即座

Unreliable by Design非信頼性を設計原則に

Attention hints travel over unordered, zero-retransmit DataChannels. Lost hints are fine — they'd expire in moments anyway. This isn't a compromise; it's the architecture. No Raft, no Paxos, no two-phase commit. Attentionヒントは順序なし・再送なしのDataChannelで伝送 — 失われても問題なし、どのみちすぐ失効 — これは妥協ではなくアーキテクチャそのもの — Raftなし、Paxosなし、二相コミットなし

BANDWIDTH帯域幅

Smart Bandwidth, Not More Bandwidth より多くの帯域ではなく、賢い帯域制御

Constant Bitrate (Traditional)固定ビットレート（従来）

30 Mbps

20 participants × 1.5 Mbps each, always.20参加者 × 常時1.5 Mbps

Attention-Adaptive (Xander)Attention適応型（Xander）

3.4 Mbps

1 speaker at 1.5 Mbps + 19 listeners at 100 kbps.発言者1名 1.5 Mbps + リスナー19名 各100 kbps

Upstream SFU input. Each browser decides its own bitrate autonomously — no server-side rate control. Actual savings depend on participant count, attention distribution, and codec settings. 上りSFU入力 — 各ブラウザが自律的に自身のビットレートを決定、サーバー側のレート制御なし — 実際の節約量は参加者数、Attention分布、コーデック設定に依存

SPECIFICATIONS仕様

Technical Details技術詳細

Video Codec映像コーデック AV1
Audio Codec音声コーデック Opus
Media Planeメディアプレーン Edge SFU (stateless relay, no transcode)エッジSFU（ステートレスリレー、トランスコードなし）
Focus Inputフォーカス入力 Browser-local gaze tracking (no server telemetry)ブラウザローカル視線追跡（サーバーテレメトリなし）
Response Model応答モデル 3-stage progressive: audio → highlight → full focus3段階プログレッシブ：音声 → ハイライト → フルフォーカス
Control Plane制御プレーン None — each browser is its own controllerなし — 各ブラウザが自身のコントローラ
State Storage状態ストレージ Edge KV with TTL (discovery/presence only)TTL付きエッジKV（発見/プレゼンスのみ）
Securityセキュリティ Zero Trust JWT authenticationゼロトラストJWT認証
Hint Channelヒントチャネル DataChannel (unordered, maxRetransmits: 0)DataChannel（順序なし、maxRetransmits: 0）
Participants参加者 10 – 30+ (browser-limited)10〜30+（ブラウザ制限）
Compositingコンポジット Browser-side, autonomous (CSS Grid / Canvas / WebGL)ブラウザ側、自律的（CSS Grid / Canvas / WebGL）
Gaze Privacy視線プライバシー Local-only — never transmitted, target not notifiedローカル限定 — 送信されず対象に通知もなし
Transition Lock遷移ロック Focus locked during layout animation, re-evaluated on settleレイアウトアニメーション中はフォーカスロック、安定後に再評価
Server-Side Logicサーバー側ロジック Auth + discovery only — zero control logic認証+発見のみ — 制御ロジックなし

ROADMAPロードマップ

What's Next今後の展望

Phase 1

Browser + Edge SFUブラウザ + エッジSFU

Core distributed Party Mode with AV1/Opus. Autonomous attention evaluation, self-adaptive encoding, and browser compositing. 10–30 participants, zero server-side control. AV1/Opusによるコア分散パーティーモード — 自律的Attention評価、自己適応エンコード、ブラウザコンポジット — 10〜30参加者、サーバー側制御なし

Phase 2

Hybrid Edge Relayハイブリッドエッジリレー

Research combining the edge SFU with custom relay nodes for larger venues and lower-latency regional clustering. 大規模会場や低遅延リージョナルクラスタリングのため、エッジSFUとカスタムリレーノードの併用を研究

Phase 3

Smartphone SuperNodeスマートフォンSuperNode

Capable devices act as relay points in a decentralized overlay, extending the autonomous model to the physical edge. 高性能デバイスが分散オーバーレイのリレーポイントとして機能し、自律モデルを物理エッジに拡張

Try Party ModeParty Modeを体験

Enter your name and email. You'll receive a room link that's live for 30 minutes, up to 10 participants.名前とメールを入力 — 30分有効・最大10人参加可能なルームリンクが届きます