《GTA 5》模組 NPCTalk 實現NPC即時無腳本語音對話　AI克隆原聲回應延遲約兩秒

根據 IT之家 10 月 19 日報導，一款名為 NPCTalk 的開源 AI 模組工具讓《俠盜獵車手 5》（GTA 5）的非玩家角色（NPC）擺脫預錄臺詞，玩家可透過麥克風直接與角色對話，對方以 AI 克隆的近似原版配音即時回應，內容會貼合該角色的性格、所處環境與當下情境。

該項目由 Universal Modder 開發，已在 GitHub 上架，採 MIT 授權開源。開發者的長期目標是將同類功能拓展至幾乎所有支援模組修改的遊戲。開發者已宣布，下週將發布可免費遊玩的《GTA 5》模組。

技術架構與回應速度

NPCTalk 依靠多個 AI 模型與服務協同運作。英偉達的 Nemotron ASR 負責語音識別；Qwen 3.8 27B 模型在 Cerebras 平臺上即時生成對話文字；Fish Audio Drama 3 負責語音克隆與合成，讓角色以接近原版配音的聲線回應。語音模型在雲端英偉達 H100 圖形處理器上運行，TypeSafe Jev 則控制 NPC 的肢體動作。

回應速度方面，開發者最初宣傳低於 1 秒，但專案技術文件顯示，使用按鍵通話模式時，從玩家說完話到 NPC 開口的延遲約為 1.15 至 2.2 秒；若開啟麥克風持續監聽，還會額外增加約 0.7 秒。

演示內容與開發方式

開發者已用麥克、拉馬爾等角色，以及普通路人和警察演示這項技術。NPC 甚至能對對話做出肢體反應，播放動畫或執行特定語音指令。例如警察可能一邊出言訓斥玩家，一邊做出配套動作。

值得注意的是，NPCTalk 的開發過程獲得 Claude Code 輔助。開發者也將技術經驗封裝為一套可複用的智慧體技能集，相容 Claude Code、Codex、Cursor、Gemini 命令列工具及其他程式碼助手，供開發者與模組製作者將此類功能接入其他遊戲。

限制與後續

NPCTalk 並非一鍵部署的通用模組。每款遊戲都需單獨適配，目前僅在《GTA 5》舊版單人模式中完成演示。工具本身雖為 MIT 開源，但執行所需的雲端服務與 GPU 基礎設施會產生費用。IT之家報導也指出，此技術仍處於實驗階段。

背景方面，《GTA》系列近來話題不斷。《GTA 6》實機演示直播先前已創下單場近 398 萬人同時觀看的今年遊戲直播紀錄，另有報導指微軟 Xbox 取得《GTA 6》首發期間獨家雲串流遊玩權。《GTA 5》本身則預定 11 月 17 日從索尼 PS+ 會員庫下架，距《GTA 6》發售僅兩天。NPCTalk 的出現，為這款發行逾十年的作品增加了新的技術觀察面向。