Inworld AI 现在是一家面向消费者应用的实时 AI 基础设施提供商。它的技术栈包括文本转语音、语音转文本、语音到语音、LLM 路由和推理服务。它并不是以可视化数字人渲染为核心的产品。团队可以用 Inworld 处理语音和推理，再在产品需要“脸”时接入独立的视觉数字人层。
最后核验：2026 年 9 月 15 日。购买前请确认实时价格。
2026 年的 Inworld AI 是什么？
Inworld 的当前官方定义是面向消费者规模实时 AI 的推理服务提供商。平台提供自研语音模型、第三方与托管语言模型，以及构建实时对话体验所需的 API。
这和外界过去把 Inworld 视为 AI NPC 或角色创建工具的印象不同。游戏依然是其应用场景之一，但当前首页更强调支撑陪伴、教育、健康、Agent 工作和游戏体验的底层基础设施。今天评估 Inworld，应该看语音、路由、推理和单位经济性，而不是沿用旧的 NPC 产品评测。
Inworld 技术栈包括什么？
| 层级 | 当前 Inworld 产品 | 负责内容 |
|---|---|---|
| 语音输出 | Realtime TTS-2 与 TTS-2 Flash | 流式生成语音、语音设计和克隆 |
| 语音输入 | Realtime STT | 流式转写、轮次与声学信号 |
| 实时对话 | Realtime API | 通过 WebSocket 或 WebRTC 连接语音输入与输出 |
| 推理访问 | Realtime Router | 在 220 多个模型间路由并支持条件规则 |
| 算力 | Realtime inference 与专用 GPU | 在托管基础设施上运行指定模型 |
Inworld 称 Realtime API 支持全双工音频、工具调用、可调轮次控制和与模型供应商解耦的选择方式。Realtime Router遵循 OpenAI SDK 的调用模式，第三方 LLM 按供应商费率收费，不额外加百分比服务费。团队仍需在自己的账号层级核验模型、地区、速率限制和具体功能。
Inworld AI 价格
Inworld 价格页使用美元计价 credits。付费套餐会在每个账单周期加入与套餐金额相等的 credits，TTS、STT 和 LLM 用量再按该层级费率扣除。
| 套餐 | 月度承诺 | Realtime TTS-2 | TTS-2 Flash | Realtime STT |
|---|---|---|---|---|
| On-Demand | 免费开始 | $25 / 百万字符 | $15 / 百万字符 | $0.15/小时 |
| Creator | $25 | $20 / 百万字符 | $10 / 百万字符 | $0.10/小时 |
| Builder | $100 | $17.50 / 百万字符 | $9 / 百万字符 | $0.10/小时 |
| Developer | $300 | $15 / 百万字符 | $8 / 百万字符 | $0.10/小时 |
| Growth | $1,500 | $12.50 / 百万字符 | $7 / 百万字符 | $0.10/小时 |
| Enterprise | 定制 | 最低 $5 / 百万字符 | 低于 $5 / 百万字符 | 定制 |
LLM 被标注为“按成本价”，但不同模型的底层费率仍不相同。Inworld 也提供年付、用量承诺和专用算力。预算时要覆盖完整会话：输入转写、语言模型 token、输出语音、重试、空闲时间和视觉数字人层。
Inworld AI 最适合谁？
Inworld 适合实时语音用量较大，并希望在同一商业关系下获得语音、LLM 路由和推理服务的团队。它也适合需要模型实验、故障切换和消费者规模单位经济性的产品。
如果只需要预录数字人视频，或者需要完整的写实数字人渲染器，Inworld 就不是最直接的选择。这些属于不同产品类别。AI 数字人 API 与视频生成 API 指南解释了输出差异。
如何给 Inworld 增加可视化数字人？
视觉数字人应该放在对话智能和语音层之后。Inworld 可以接收语音、把请求路由到 LLM，并合成回答音频；独立数字人层再消费这段音频，计算同步面部动作，并在客户端渲染数字人。
Spatius正是为这种分层架构设计：音频进入 Motion Server，紧凑的运动数据返回，像素由用户设备渲染。这样产品可以保留 Inworld 的语音或模型选择，同时独立评估数字人分钟、并发、带宽和设备支持。这是需要 PoC 验证的架构组合，不代表已经存在预制的 Inworld connector。
在分配系统职责前，可以阅读数字人在 Agent 架构中的位置。如果传输层使用 LiveKit，Spatius LiveKit 集成指南展示了已有文档支持的音频到数字人模式。
技术采购应该测试什么？
- 分别测量首个转写、首段音频和首个可见动作的时间。
- 测试打断、背景噪声、重连和长会话。
- 确认目标套餐可用的 LLM 与地区。
- 分别计算 TTS 字符、STT 小时、LLM token 与数字人分钟。
- 核查数据保留、同意机制、语音克隆权利、速率限制与支持条款。
- 在客户真实使用的浏览器、手机、终端或嵌入式设备上测试。
Inworld AI 常见问题
Inworld AI 只用于游戏和 NPC 吗？
不是。Inworld 当前定位是消费者应用的实时 AI 基础设施，覆盖陪伴、教育、健康、Agent 工作和游戏等场景。
Inworld 提供可视化 AI 数字人吗？
其当前核心产品聚焦语音、实时对话、LLM 路由和推理。需要渲染数字人的产品，应另外评估视觉数字人层。
Inworld AI 多少钱？
On-Demand 可以免费开始。月付套餐包括 25 美元的 Creator、100 美元的 Builder、300 美元的 Developer、1,500 美元的 Growth，以及定制 Enterprise。使用量按套餐费率消耗 credits。
Inworld 能使用现有 LLM 吗？
可以。Inworld 的 Router 和 Realtime API 与模型供应商解耦，列出了 OpenAI、Anthropic、Google 等众多模型。请在当前目录核验所需模型和地区。
不替换语音栈，直接增加视觉层
Inworld 可以负责实时语音和推理基础设施，Spatius 则为产品提供可交互的数字人面部。
为现有语音 AI 技术栈增加客户端渲染的实时视觉界面。 申请演示, or ，或查看 Spatius 价格.。