Mikrofonon keresztül lehet beszélgetni a GTA V NPC-ivel, és ők a saját, klónozott hangjukon válaszolnak. Ezt tudja a NPCTalk nevű mod, amelyet a Universal Modder nevű fejlesztő mutatott be október 16-án az X-en. A fejlesztő szerint a szereplők egy másodpercen belül, karakterhűen felelnek, és azt is megcsinálják, amit mondasz nekik.
NPCs can talk back now! Introducing NPCTalk: make the NPCs of any game talk in realtime.
— Universal Modder (@universalmodhq) October 16, 2026
Los Santosban bárkihez odasétálhatsz, és egyszerűen beszélhetsz vele. A leírás szerint Lamar beszól a pulóveredért, egy rendőr azt tanácsolja, hogy tegyél polgári panaszt, aztán bemutat, Michael pedig úgy védi a köntösét, mintha öltöny lenne. A szövegek élőben születnek, a mod GTA V-s példája 19 karaktert kezel.
Mi fut a háttérben?
A fejlesztő bejegyzése szerint a beszédet az Nvidia Nemotron ASR modellje írja át szöveggé. A választ egy nagy nyelvi modell (LLM) írja meg, a fejlesztő szerint a Qwen 3.8 27B. A szöveget végül a Fish Audio Drama 3 nevű hangmodellje mondja ki az adott karakter klónozott hangján, egy bérelt felhős GPU-n. A projekt leírása szerint az egészet a Claude Code nevű AI-programozóeszközzel építették, a kód MIT licenc alatt szabadon elérhető.
Ingyenes, de nem költségmentes. A beállításhoz fiók kell a Modal (felhős GPU), a fal (beszédfelismerés), a Cerebras (a szövegeket író modell) és a TypeSafe (az NPC-k mozdulatai) szolgáltatásnál, és ezek fizetősek. Kell még Windows, a .NET SDK 8-as vagy újabb verziója, és persze maga a játék. A TweakTown szerint a fejlesztő jövő hétre ígér ingyenes, játszható verziót. A leírás külön figyelmeztet: a GTA Online-t soha ne indítsd el telepített Script Hookkal, mert a mod csak egyjátékos módban vagy saját szerveren használható.
Mennyire hasonlítanak a hangok?
A fejlesztő mérte is, mennyire hasonlít a klónozott hang az eredetire. Lamar tíz tesztmondatát vetette össze 60 valódi hangmintával, amelyeket nem használt a klónozáshoz. Az ElevenLabs gyors klónja 0,612-es hasonlóságot ért el. A Fish Audio Drama 3 alapbeállítással 0,643-at, nyolc változatból a legjobbat kiválasztva 0,704-et. A legjobb eredményt, 0,785-öt, a kifejezetten erre a karakterre tanított S2 Pro modell hozta, ehhez viszont külön tanítás kell. A projekt nem csak a GTA V-hez készült: a leírás Unity- és Unreal-alapú játékokhoz, Bethesda-címekhez és a Minecrafthoz is ad útmutatót.
Amit itt egy modder megcsinált, azt a Rockstar is fejleszti: a GTA 6 NPC-in külön stúdió dolgozott, és a játék launch trailere is megérkezett már.
