让玩家说，让角色回答
在同一会话中把麦克风音频依次送入语音识别、选定 LLM 与 TTS。回合判断和流式传输减少基础拼装，但游戏中的真实延迟仍受模型、网络、上下文和客户端影响。
O05O06Inworld AI
把语音、语言模型与游戏动作连起来，先做一个有边界的实时 NPC。
证据状态基于公开资料评估中等置信度最后核验 2026年9月1日编辑：MakeGameWithAI
应用介绍
Inworld AI 是什么，以及它如何使用。
Inworld AI 是面向实时互动 Agent 的运行时技术栈。它可以接收玩家麦克风声音，转成文字，把对话与角色上下文交给选定语言模型，再把生成回答以流式语音返回；记忆、知识、回合判断、附和反馈和工具调用也可以放在同一条可观察管线中。
Unity 与 Unreal 模板提供了较短的对话角色起步路径。你定义职责、声音、动机与限制，连接 Runtime，再从文字或按键说话示例开始。角色模型、动画、导航、任务事实、动作权限、奖励和存档仍由游戏负责；Inworld 不是一个自动生成完整 NPC 或完整游戏系统的按钮。
因此，即使不会自行搭建整套 STT—LLM—TTS 系统，也可以从第一个语音 NPC 开始。先在小场景做一个讲解员、证人、陪伴角色或可选提示角色。对话要触发动作、服务更多玩家时，代码与引擎判断会越来越重要，但它们不是探索第一个受限互动的入场资格。
使用方式
搜索索引中的 Unity 路径最低为 Unity 2022.3 LTS，推荐 6000.0.41 或更新；Unreal 路径列出 5.4–5.7 与 C++ 项目。两者都从 API key 和示例角色开始。核验时当前引擎文档会跳转登录，因此改动生产项目之前应在账号内确认包版本与发布说明。
定义记忆、上下文与声音
角色上下文、知识、对话历史、长期记忆与声音指令都能影响回答；更长上下文也可能增加 token 用量，生成陈述不能直接作为权威游戏事实。
O05O06O08把工具调用接到游戏逻辑
Runtime 可以在不中断语音会话的情况下请求已注册工具。每次请求都应视为提议，由游戏校验动作、参数、权限和最终状态变化。
O02O05O06U04从 Unity 或 Unreal 示例开始
搜索索引中的 Quickstart 包括 Unity 文字/按键语音示例，以及 Unreal Character/Chat 模板。正式发布仍需处理版本兼容、凭据后端、日志、重连和目标设备检查。
O03O04O15O16官方界面与示例
看看它如何工作
TTS Playground 示例将文本输入、模型与声音选择、语速控制和音频预览放在一起。
2026 年 9 月获取的官方素材；未注明精确界面版本。来源：Inworld AI Documentation
本页评估范围
首个受限语音 NPC、小型 Unity/Unreal 原型，以及透明的公开单价预算。本页不证明当前中文质量、端到端延迟、长时稳定性、生产并发、实测账单或合格会话成功率。
- 入门友好度需要一定基础
- 示例能减少语音管线搭建，但做首个引擎 NPC 仍需学习插件、场景配置和密钥；网页试听比这更简单。
- Agent 接入便利度接入方便
- 官方 Realtime API 有认证和流式会话示例，可接入 Agent 编排的语音流程；不是一键生成完整 NPC。
查看适用范围、接入条件与来源核验
入门范围：以引擎示例或 WebSocket 模板搭建一个受限语音 NPC。
Agent 范围：建立语音／文本会话并接收输出事件。
判断置信度：入门 中 · Agent 中
- 准入与认证
- 配置 Runtime API key，推荐由后端代理保护，不把长期密钥写入玩家客户端。
- 费用边界
- 按语音、模型及会话用量核对账户和容量；不能用一次离线音频价格代替持续会话成本。
- 取得结果
- 建立 WebSocket，会话内发送输入、接收文字或音频事件并关闭连接。
- 关键限制
- 角色动作和游戏规则仍由项目实现；引擎 SDK、Realtime 与各子服务的状态不能混为一谈。
两项为独立的编辑判断，不是综合评分，也不代表本站已完成 Agent 接入测试。
- Inworld public documentation index · 官方 · 入门依据 · 接入依据
- Inworld Realtime quickstart · 官方 · 接入依据
关键发现
证据支持什么，不支持什么。
编辑结论
我们的判断
中等置信度如果语音交谈本身就是游戏体验的一部分，而你不想从零拼接语音识别、语言模型和语音输出，Inworld 值得作为候选。它也给新手提供了真实起点：先在小场景做一个只负责一件事的角色。奖励、背包、战斗、任务完成和存档应留在确定性的游戏逻辑中。当前 Agent Runtime 比多数独立游戏证据更新，因此在把它变成核心生产依赖之前，应先完成小型原型。
结论范围经 Owner 审核通过的中等置信度公开资料评估。14 条独立记录覆盖 10 个平台，支持有范围的工作流与失败类型判断；当前 Runtime 实际表现仍为低置信度，本站没有进行产品实测。
更适合
这些情况下值得试
- 希望先做一个语音角色、又不想自行搭建整套语音与模型管线的创作者，包括新手。
- 职责清楚的讲解员、证人、陪伴角色、可选任务提示与 VR 互动。
- 允许对话灵活生成，同时由游戏代码校验动作、事实、奖励和存档的项目。
- 能在扩大开放前测量语音用量、模型 token、峰值会话和后端要求的小范围项目。
不太适合
这些情况下先别依赖它
- 要求角色完全离线运行，或不能接受持续服务与后端依赖的项目。
- 关键对白和剧情分支必须每次完全一致，却没有预写兜底的项目。
- 准备让生成回答直接发放物品、修改存档、执行购买或决定战斗结果的项目。
- 把厂商延迟主张、旧 demo 或名义单次费用当成当前生产成熟度证明的项目。
工作流定位
放在制作流程的什么位置。
先定义一个有边界的角色职责
选择讲解员、证人、陪伴角色或提示角色，写清它知道什么、不能声称什么，以及最多可以请求哪个低风险工具。在接入更大场景前，先准备职责内、职责外和打断类问题。
护栏使用虚构、非敏感材料；不要让生成对白直接改变奖励、购买或存档进度。
接通最小引擎示例
在可丢弃项目副本中使用当前 Unity 文字/按键语音示例或 Unreal Chat 模板。先加入字幕、一个无副作用动作和逐阶段日志，再增加自定义动画、记忆或多个角色。
护栏把 Base64 凭据留在后端，只向客户端签发短期 token；在当前文档账号内确认包版本。
先测有限试玩，再估算开放规模
邀请少量玩家，记录识别结果、首段音频时间、完整回答时间、打断、工具验收、断线和 credits，再据此估算合格会话成本与峰值容量。
护栏对话缓慢或不可用时提供预写兜底和退出路径；这些是建议检查，不是本站已完成的产品测试。
推荐工作流
把这项工具放进完整制作流程。
从可验证的 Brief 开始，逐步完成原型、资产、音频、测试与发布，并明确每一步的交接物和人工检查。
最短验证路径
先做一个 NPC、一个安全动作和二十条测试输入
以下是根据本轮证据整理出的低风险起步方法。
- 01
选择一个职责清楚的角色，写一份简短事实表：身份、已知事实、禁止声称的内容、语气，以及唯一允许请求的工具。
- 02
准备二十条输入，覆盖普通对话、职责边界、重复提问、打断、沉默、中文或口音需求，以及未授权动作请求。
- 03
在可丢弃项目副本中接通当前 Unity 或 Unreal 示例。凭据放在后端，加入字幕，只暴露一个没有不可逆副作用的动作。
- 04
在目标网络和设备运行这些输入，记录转写、首段音频、完整回答、规则遵从、工具校验、重连行为和真实 credits。
- 05
再让少量玩家体验同一受限场景。定义合格会话并算清真实成本、峰值会话、隐私告知与预写兜底后，才扩大开放。
价格与权利
你在为什么付费，一段对话会消耗多少
价格与条款最后核验：2026年9月1日
- 自助月付套餐为 On-Demand $0、Creator $25、Builder $100、Developer $300、Growth $1,500。付费套餐包含与月费等额的 credits；Enterprise 为定制。
- 上述档位的 TTS-2 每 100 万字符依次为 $25 / $20 / $17.50 / $15 / $12.50；TTS-2 Flash 为 $15 / $10 / $9 / $8 / $7。页面按厂商预算假设，约 1,000 字符对应一分钟音频。
- On-Demand 的 STT 为每小时音频 $0.15，付费自助档为 $0.10。完整语音 NPC 还会消耗所选 LLM 的输入和输出 token。
- 请求限制依次为 5 / 10 / 50 / 150 / 500，厂商估算会话并发为 20 / 40 / 200 / 600 / 2,000。这些是容量标签，不是月度产出或延迟 SLA。
- On-Demand 宣传最多 70 分钟 TTS 或 400 分钟 STT 免费。公开文字没有充分说明重置周期、能否同时使用和完整管线的扣减方式，因此下方长期预算不减这部分免费量。
- 订阅 credits 在维持同档或更高档时最多结转三个月；额外购买 credits 十二个月后过期，降档或取消生效时会失去剩余额度。
- 模型目录与定价页使用了不同的模型数量口径。本页只采用一个明确列出的模型和精确单价，不宣称固定模型数量。
成本与产出
一个明确的 10 分钟语音 NPC 情景
这是公开单价算式，不是实测账单：一段 10 分钟会话包含玩家说 5 分钟、NPC 说 5 分钟（5,000 字符）、10 个回合、12,000 输入 token 与 1,500 输出 token；LLM 使用 Gemini 2.5 Flash，每 100 万输入/输出 token 为 $0.30 / $2.50。不减免费量，也不含重试、记忆/RAG 增长、审核、工具、后端、税和人工。
O07O08实付 $25，获得 $25 月度 credits，并按 Creator 单价扣费；请求并发为 10，厂商估算用户会话为 40。未用额度受结转规则约束，不是只为实际用量付款。
一段约消耗 $0.06568：STT $0.00833 + TTS $0.05000 + LLM $0.00735。这是按给定假设进行的 credits 除法；Inworld 并不单独销售一美元会话包。
一段约消耗 $0.11568：STT 与 LLM 假设不变，TTS 为 $0.10000。还没计算质量、重试和验收，声音选择就已经会改变费用。
这是相同 10 分钟负载、账号没有其他用量时的完整段理论上限；不代表 380 或 216 段都通过验收，也不改变请求或会话容量。
假设创作者调试 20 段，再让 10 名玩家各完成一段；当月 Creator 现金支出仍为 $25。20 段迭代只是预算假设，不是首轮成功率或完整 NPC 开发成本。
按 Creator 单价约消耗 $6.57–$11.57，但现金仍支付 $25；On-Demand 按公开单价计算且未减不清晰的免费量。这里是总共 100 次访问，不是 100 个同时会话。
名义用量不等于合格产出。真正分母是符合角色、任务、声音和玩家体验标准的会话数；真实成本还要加入失败与重试、上下文增长、外部服务、后端、工程和运营。峰值容量要另算：Creator 只列出估算 40 个同时用户会话；100 个同时会话需要更高公开档或经确认的定制方案与负载验证。
商用条件
定价页提供商业许可路径，通用条款也在合规前提下把 Inworld 对输出的权利转让给客户；但同一组公开材料还出现 internal business purposes、终止后删除 Services/Models/Outputs，以及把 Project Files 与 Inworld Platform 绑定的旧 SDK 协议。发行前应确认当前 Runtime 分发、终止后游戏内容、第三方模型/声音权利和缓存音频。本页不是法律意见。
玩家语音和聊天可能进入涉及录音、声音生物识别、研发/训练与第三方模型的数据路径。不要默认普通自助 workspace 等于零保留；应确认玩家告知或同意、地区与年龄要求、DPA/ZDR 设置、删除流程、模型提供商处理方式及账号实际结账条款。
生产风险
投入生产前处理这些问题。
产品正处于代际切换，状态标签并不统一
公开产品主线已从 Character Engine 转向 Agent Runtime 与通用实时服务；WebSocket 可以是 GA，而整体 Realtime API、Router 或 STT 仍带 preview 标签。应确认具体引擎包、changelog 与目标平台，不要用一个 GA 标签代表整套技术栈成熟。
O02O03O04O14O16识别、抢话和断线都需要可见兜底
历史证据反复出现识别问题、等待、角色抢话和会话停止回应；当前发生率未知。评估沉浸感之前，应先加入字幕、打断处理、超时提示、重试限制、预写对白和退出路径。
U05U06U08U09U10U13对话不能掌控重要游戏状态
有说服力的角色仍可能说错。任务事实、背包、奖励、战斗、支付和存档应留在确定性系统；工具调用还需要窄权限、Schema 校验、幂等与失败回滚。
O05O06U04U08U10凭据与玩家数据需要后端方案
不要在客户端打包可重复使用的 Base64 key。后端负责保存凭据并签发短期 token，同时记录哪些文字、音频、元数据和日志离开游戏、保留多久、又会交给哪些模型提供商。
O10O11O12O15O16U01U14分发与终止条款需要书面确认
商业许可标签、通用服务条款与旧 SDK 协议并没有用同一套措辞回答全部当前 Runtime 分发问题。发行前应按实际套餐确认插件再分发、缓存输出、终止后使用、署名及第三方声音或模型。
O07O09O10O13尚未验证
本页没有声称完成的事情
- 当前 Unity/Unreal Agent Runtime 的安装成功率、精确包版本、changelog 与各目标平台构建结果。
- 当前中文、口音、噪声、打断、情绪、长期记忆与工具调用的质量或成功率。
- 特定游戏技术栈中可比较的端到端延迟、长时稳定性、断线率、峰值吞吐与生产并发。
- 真实账单、重试率、合格会话率、玩家接受度、调试时间和每段合格十分钟会话的成本。
- 普通自助 workspace 的完整默认数据路径，包括保留时间与每个第三方 LLM 提供商的处理方式。
- 账号终止后，当前 Runtime 协议如何处理已经发行的输出、缓存语音和 SDK 组件。
研究方法
基于公开资料评估
14 条独立记录覆盖 10 个平台与 5 类证据：开发者/社区案例、玩家与评论记录、两次独立媒体试玩、一项学术研究和一个技术仓库。Steam 占 3/14（21.4%），Reddit 占 2/14（14.3%），没有平台达到一半。还检索了 Epic Developer Community、GameDev.net、G2 与 Hacker News，其中结果为空、过弱、带激励、属于转述或无法完整访问。厂商案例和赞助内容不计入独立数量；重复 demo、同一游戏和论文的早期学位稿已按集群处理或去重。反复出现的历史主题可支持工作流与失败类型判断，但近期精确版本的游戏证据不足；当前 Runtime 实际表现仍为低置信度。
时间范围优先覆盖 2025-09-01 至 2026-09-01；更早的 Character Engine 项目和 demo 只作为历史设计证据，其故障比例不代表当前 Agent Runtime。
官方来源16
- O01Inworld AI核验 2026年9月1日
当前实时语音、模型路由与 Agent 基础设施入口；厂商性能和排名主张不作为独立结果。
- O02Introducing the Inworld AI Runtime for Unreal核验 2026年9月1日
Runtime 图、模板、可观测性与 Unreal 发布说明；发布时 Unity 被称为 early access，不代表当前状态保证。
- O03Unity Agent Runtime quickstart核验 2026年9月1日
搜索索引中的 Unity 要求、包安装、API key 与文字/按键语音示例；核验时直接访问会跳转登录。
- O04Unreal Agent Runtime quickstart核验 2026年9月1日
搜索索引中的 Unreal 5.4–5.7、C++ 项目、插件、Character/Chat 模板与 trace 要求；核验时直接访问会跳转登录。
- O05Current Inworld documentation index核验 2026年9月1日
当前 TTS、STT、Router、Realtime API、记忆、back-channel 与工具文档的公开索引。
- O06Inworld Realtime API核验 2026年9月1日
单会话语音管线、模型选择、工具调用与传输状态；公开延迟数字仍是厂商主张，不是本站游戏实测。
- O07Inworld pricing核验 2026年9月1日
当前自助月费、credits、TTS/STT 单价、请求限制、估算会话、结转与商业许可标签。
- O08Inworld model catalog核验 2026年9月1日
当前模型与输入/输出 token 单价；页面预算用 Gemini 2.5 Flash 作透明示例，不代表质量推荐。
- O09Inworld Terms of Service核验 2026年9月1日
服务许可、输入与输出、材料使用、训练例外、限制、费用及终止要求。
- O10Inworld service-specific terms核验 2026年9月1日
语音输入、语音输出、User Voice Model、内容权利与禁止健康数据的附加条款。
- O11Inworld Privacy Policy核验 2026年9月1日
聊天、录音、可能的声音生物识别、研发/训练、保留与跨境处理；企业代处理数据另有适用范围。
- O12Inworld security核验 2026年9月1日
SOC 2 Type II、加密与 Trust Center 入口；零数据保留不是所有自助套餐的默认能力。
- O13Inworld SDK License Agreement核验 2026年9月1日
旧公开 SDK 协议，涉及 Project Files、分发与平台限制；是否适用于当前 Agent Runtime 仍需确认。
- O14Inworld product availability status核验 2026年9月1日
官方状态标签区分 TTS GA、Router/STT research preview、Realtime API research preview 与 WebSocket GA。
- O15Inworld authentication guidance核验 2026年9月1日
搜索索引建议不要在客户端暴露 Base64 凭据，并由后端签发短期 JWT。
- O16Official multimodal companion sample核验 2026年9月1日
已归档的官方示例，记录会话后端、WebSocket、重试、超时与保守并发处理；归档不等于 Runtime 已停止。
独立证据记录14
- U01Adding Inworld AI characters to an existing game核验 2026年9月1日
独立 JavaScript 叙事游戏接入需要 Node token 服务；作者认为基础连接尚可、角色有吸引力，也提醒开放聊天可能偏离主游戏。
- U02Unity discussion — character-system limitations核验 2026年9月1日
开放世界故事开发者喜欢早期角色设置方式，但质疑其限制能否支持随玩家互动演化的故事。
- U03Unity3D discussion — connecting AI-driven NPCs核验 2026年9月1日
开发者同时接通 Inworld 与 Convai，但称过程有挑战，并指出 STT—LLM—TTS 三层及持续连接费用。
- U04Cygnus real-time AI NPC showcase核验 2026年9月1日
游戏团队把 Inworld 语音与自建意图层结合，用于采集、战斗、技能和事件，并明确区分生成对话与可执行 NPC 行为。
- U05Origins player discussion — engaging until dialogue stopped核验 2026年9月1日
一名玩家觉得官方 Origins demo 很有吸引力，随后报告所有 NPC 停止回应，重启又丢失进度；这是旧 demo 记录。
- U06Origins player discussion — repeated response failure核验 2026年9月1日
另一名 Origins 玩家报告 NPC 约十分钟后停止回答，只能重启恢复；这是复现线索，不是当前 Runtime 测试。
- U07Cygnus player review核验 2026年9月1日
一名游玩 29.2 小时的玩家不喜欢游戏中的 AI NPC 接入，并指出它可以关闭；评论也批评其他系统，不能把全部不满归因于 Inworld。
- U08Axios hands-on with Origins核验 2026年9月1日
记者遇到一次有效的主线交流，也遇到数秒等待、角色抢话与跑题回答；该 demo 仍不足以证明能替代人工对白。
- U094Gamer GDC hands-on核验 2026年9月1日
日本记者对比早期口音识别失败与新版现场 demo：仍会循环或误解主题，但对话更连续，也更能引发情绪。
- U10Player experience with LLM-powered NPCs in VR核验 2026年9月1日
2026 年发表的 48 人 VR 研究使用 2023 年 Inworld 版本；总体体验偏正面，但 77% 报告识别问题，也有明显比例遇到无帮助或错误回答。
- U11Product Hunt — Lore Machine uses Inworld voice核验 2026年9月1日
产品开发者称为韩国叙事用户选择了 Inworld 声音；这是当前低权重 TTS 线索，不证明游戏 Runtime。
- U12Product Hunt — Toyo uses Inworld voice核验 2026年9月1日
开发者把 Inworld 声音用于电话 Agent，并认为更接近实时交谈；非游戏案例不能证明 NPC 引擎质量。
- U13Inworld Community — debugging pipeline latency核验 2026年9月1日
当前 Runtime 用户无法判断哪一段造成延迟；工作人员指向逐节点 debug 日志，但帖子没有记录最终测量结果。
- U14Decentraland Inworld SDK7 scene核验 2026年9月1日
独立开源场景包含远端服务器、代理/WebSocket、自定义聊天 UI 与多环境 endpoint；它说明接入粘合工作，不证明输出质量，且使用旧 API 路径。
商业披露
这项研究如何获得支持
Owner Review 于 2026 年 9 月 1 日通过，接受本页有边界的公开资料评估与中等置信度结论。本轮未引入联盟链接、赞助、厂商账号、免费额度、设备、采访或技术支持，也没有测试 Inworld SDK 或模型。Owner 既有使用经验和商业关系仍未声明；审核通过不等于解决页面列出的 Runtime、价格、分发与数据未知。
本页已作为公开资料评估发布。结论会随定价、条款、产品版本和重要新证据变化而复核。