Inworld.ai

Inworld.ai 是什么：定位和人群

Inworld.ai 是一个实时语音 AI 平台，专为游戏和媒体场景构建。开发者用自然语言描述就能创建 AI 角色，并集成到 Unity、Unreal 等实时应用中。根据官网 2025 年 2 月信息，该平台定位为“排名第一的实时语音 AI”，提供文本转语音、语音转文本和大语言模型路由。

实时语音 AI 框架，不是聊天机器人

普通聊天机器人以文本为主，响应延迟通常在约 1 秒以上。Inworld.ai 的实时语音 AI 框架针对低延迟优化，文本转语音延迟仅 100 毫秒，Flash 版本低至 20 毫秒。角色能像真人一样即时回应，而不是等用户说完再慢慢生成。该平台还支持动态调整表现力，在多个大语言模型之间协调，平衡速度与成本。

游戏开发者、虚拟内容创作者、品牌营销人员

该平台主要面向三类用户群体：

• 游戏开发者：快速创建智能 NPC，增强可玩性和开发效率。
• 虚拟内容创作者：制作虚拟展览、在线教育中的 AI 角色。
• 品牌营销人员：构建品牌虚拟代言人或客服角色，提升互动。

Inworld.ai 核心功能：语音、记忆、集成

实时文本转语音：延迟 100 毫秒，Flash 版 20 毫秒

语音克隆：约 15 秒音频创建自定义语音

大语言模型路由：0% 加价

模型路由功能让开发者接入多个大语言模型，动态选择最佳模型。典型网关加价 5%，该平台为 0%。这意味着成本更可控，且不牺牲性能。自研模型进一步降低对外部 API 的依赖。

记忆与情感系统：角色连贯性的关键

长期记忆让角色记住过往对话，情感系统让角色表达情绪。2025 年 3 月更新优化了情绪表达和长期记忆，提升沉浸感。角色能从闪存和长期记忆中检索信息，保持行为连贯。

Inworld.ai 怎么用：从注册到集成

注册账号，创建工作空间

第一步：访问官网，注册并登录账号。在 Inworld Studio 中创建工作空间，生成 API 密钥。免费版即可开始试用基础功能。

用自然语言描述创建角色

第二步：输入角色描述、个性、知识库等 prompt 信息。可以设定场景、常识和关系流动性。例如，描述一个“脾气暴躁但心地善良的铁匠”，系统会生成对应角色框架。

通过 SDK 集成到 Unity、Unreal 或 Node.js

第三步：使用官方 SDK 将角色部署到游戏或应用。支持 Unity、Unreal Engine、Node.js、Web 及 Roblox。集成文档详细，开发者社区活跃。

Inworld.ai 同类工具横向比较

比较维度	Inworld.ai	Character.ai	ElevenLabs	Deepgram
实时文本转语音价格（每百万字符）	12.50 美元	不适用	100 美元	不适用
实时语音转文本价格（每小时）	0.10 美元	不适用	不适用	0.46 美元
模型路由加价	0%	不适用	不适用	5%（典型网关）
语音克隆所需音频	约 15 秒	不适用	约 1 分钟	不适用
游戏引擎集成	Unity、Unreal、Node.js、Roblox	有限	有限	有限

对比 Character.ai：游戏集成能力更强

Character.ai 侧重对话型 AI 角色生成，主要在网页端聊天。Inworld.ai 提供完整 SDK，能深度集成到 Unity 和 Unreal 中。角色具有更强的情境感知和记忆能力，适合游戏开发。

对比 ElevenLabs：价格便宜 87.5%

ElevenLabs 实时文本转语音每百万字符 100 美元，Inworld.ai 仅 12.50 美元。价格优势明显，且语音克隆只需约 15 秒音频，ElevenLabs 通常需要更长样本。

对比 Deepgram：语音转文本成本更低

Deepgram 实时语音转文本每小时 0.46 美元，Inworld.ai 为 0.10 美元，便宜约 78%。对于需要大量语音识别的应用，成本差异显著。

Inworld.ai 适合什么场景：游戏、社交、教育

游戏 NPC：增强可玩性和开发效率

游戏 NPC 是主要应用场景。开发者用自然语言描述即可创建具有记忆、情绪和个性的 NPC。这减少了脚本编写工作量，同时提升沉浸感。与网易游戏、LG U+ 等合作验证了可行性。

社交陪伴与虚拟助手

社交陪伴、学习教育、健康保健也是适用场景。例如，为智能语音助手提供更自然的对话体验，或在虚拟展览中担任智能导游。2025 年 2 月，Streamlabs 与 Inworld 和 NVIDIA 合作推出智能流媒体助手。

Inworld.ai 实际收益：成本、速度、可控性

成本节省：每百万字符 12.50 美元

实时文本转语音每百万字符 12.50 美元，比 ElevenLabs 低 87.5%。实时语音转文本每小时 0.10 美元，比 Deepgram 低 78%。模型路由 0% 加价，进一步控制成本。

语音可控性：括号指令调整语调

用户可以在文本中插入括号指令，调整语调、语速、音量、声音风格和停顿。例如，“（轻声）你好，欢迎光临”。这提供了精细的语音控制，无需额外编程。

Inworld.ai 版本变化：近 6 个月更新

2025 年 3 月：情绪表达与长期记忆优化

2025 年 3 月更新优化了 AI 角色情绪表达，使其更自然。长期记忆功能增强，角色能更准确回忆过往信息，提供连贯互动体验。

2024 年 10 月至 2025 年 2 月：行为控制、语音合成、多语言

• 2024 年 10 月：优化角色行为控制算法，动作更流畅。
• 2024 年 11 月：更新语音合成技术，语音更接近人类。
• 2024 年 12 月：增加多语言支持，拓展国际市场。
• 2025 年 1 月：推出新角色形象库。
• 2025 年 2 月：加强情感识别能力，更精准回应用户情感。

Inworld.ai 行业地位：融资与合作伙伴

5000 万美元融资，估值 5 亿美元

2023 年 8 月，该平台获得 5000 万美元融资，估值 5 亿美元。本轮由 Lightspeed Venture 领投，斯坦福大学、LG 风险投资、三星 Next 等跟投。资金用于扩展游戏领域 AI 平台。

与网易游戏、LG U+ 等合作

公开报道显示，该平台与网易游戏、LG U+ 等游戏开发商合作。2025 年 2 月，与 Logitech G 的 Streamlabs 和 NVIDIA 合作推出智能流媒体助手。

Inworld.ai 底层模型技术栈：自研模型与多模型协调

自研模型，非第三方 API

该平台使用自研模型，而非依赖第三方 API。这带来更高的可控性和成本优势。自研模型针对实时对话优化，延迟更低。

多模型协调：动态调整表现力

平台在多个大语言模型之间协调，动态调整表现力和复杂度。例如，简单查询使用轻量模型，复杂对话使用重型模型。这平衡了延迟和成本。

Inworld.ai 价格档位：免费版与订阅制

免费版：基础功能试用

免费版提供基础功能试用，适合个人开发者和小型项目。用户可以在官网注册后立即开始创建角色。

Growth 计划：实时文本转语音每百万字符 12.50 美元

Growth 计划中，实时文本转语音每百万字符 12.50 美元，实时语音转文本每小时 0.10 美元。模型路由不额外加价。

专用 GPU：每小时 5 美元起

专用 GPU 定价每小时 5 美元起，适合需要稳定性能的生产环境。用户可以根据需求选择不同配置。

参考资料

• inworld.ai（2025-02-14）— 官网，提供产品定位、功能和定价信息。
• studio.inworld.ai（2025-02-13）— 官方工作室页面，说明角色创建和集成方式。
• 新浪财经（2023-08-04）— 报道融资 5000 万美元及合作伙伴信息。