NPCTalk Skill 技能

NPCTalk 让任何游戏里的 NPC 真正开口说话：玩家开口后，NPC 用克隆音色、以角色性格当场回答，约 1~2 秒后把话说完并执行对应动作。它由 Universal Modder 团队出品，采用 MIT 许可证，在 GitHub 上获得 180+ Star。虽然最早是为 GTA V 做的，但绝大部分代码并不知道自己身处 GTA——换到别的游戏同样能跑。

核心能力：

• 实时语音链路：玩家说话 → 语音活动检测（VAD）→ fal 平台做语音转文字 → 游戏告诉系统「在跟谁说话、周围有什么」→ LLM 用角色人格写台词 → Fish Audio Drama 3 / S2 Pro 在 Modal 的 H100 上把克隆音色流式推回 → NPC 说话，带字幕、口型与动作
• 克隆音色：支持 Fish Audio Drama 3 与 S2 Pro 两种模型，部署在无服务器 GPU 上，按需拉起
• 动作决策：对话内容交给 TypeSafe Jev 挑选动作，NPC 不只是「说话」，还会对所说内容做出反应
• 统一 Agent Skills 格式：一套技能同时适配 Claude Code、Codex、Gemini CLI、Copilot、Cursor、OpenCode
• 自托管语音服务器 + npctalk 命令行工具，附带 fal MCP Server
• 语音质量分级：项目明确区分「可接受」与「更好」的克隆效果档位，并说明哪些音色适用哪些角色
• 游戏适配规范：技能文件说明「一个游戏必须提供什么」以及其余部分如何搭建，降低移植成本

安装配置：

• Claude Code：/plugin marketplace add christos-antono/NPCTalk 后 /plugin install npctalk@npctalk
• Codex：codex plugin marketplace add christos-antono/NPCTalk 后 codex plugin add npctalk@npctalk
• Gemini CLI：gemini extensions install https://github.com/christos-antono/NPCTalk
• 通用方式：npx skills add https://github.com/christos-antono/NPCTalk，或 git clone 后在仓库内启动自己的 Agent
• 密钥（只放环境变量，不写文件）：Modal 的 NPCVOICE_TOKEN、fal 的 FAL_KEY、Cerebras 的 CEREBRAS_API_KEY、TypeSafe 的 TYPESAFE_API_KEY
• 环境要求：Git、Python 3.10+、uv、ffmpeg；GTA V 示例额外需要 Windows、.NET SDK 8+ 和游戏本体

使用步骤：

1. 按所用 Agent 选择对应的插件安装命令
2. 在 Modal 建 GPU 语音服务并写入 NPCVOICE_TOKEN，再配置 fal / Cerebras / TypeSafe 三组 Key
3. 用 uv tool install git+https://github.com/christos-antono/NPCTalk 装好 npctalk CLI
4. 参考仓库内的 GTA V 示例，先跑通「走进角色身边 → 说话 → NPC 应答」
5. 换成自己的游戏：按技能说明补齐游戏需要提供的接口
6. 调整音色、语速与角色人格配置

适用场景：

• 游戏 NPC 实时对话原型验证
• 角色扮演类游戏的分支对话玩法
• 互动叙事与角色语音演示
• 用 AI 编程 Agent 批量改造游戏内角色行为

适用人群： 游戏开发者、AI 编程 Agent 用户、互动叙事创作者、做语音克隆与实时对话应用的工程师。

工作原理： 整条链路按「语音进 → 文本中 → 台词中 → 语音出」拆分，每一段都有独立可替换的服务：VAD 判定说话起止，fal 负责 STT 与 MiniMax 音色，Cerebras 提供 OpenAI 兼容接口给 LLM 写台词，TypeSafe Jev 负责选动作，Fish Audio 在 Modal H100 上做流式 TTS。端到端延迟为 1.2~2.2 秒（按住说话），开麦模式额外增加约 0.7 秒等待。

官方链接：

• GitHub: https://github.com/christos-antono/NPCTalk
• GTA V 示例：仓库内 examples/gta-v
• 许可证：MIT