语音/对话驱动的NPC方法研究

传统游戏 NPC 的交互高度依赖预设台词库与固定行为树，玩家与 NPC 的对话被局限在"选择题"式的分支菜单中，NPC 的行为也只能被硬编码事件触发。这种范式在过去支撑了从 RPG 到开放世界的大量经典作品，但已日益暴露出三大局限： ⦁交互浅：玩家只能"选"不能"说"，代入感和沉浸感受限 ⦁拓展贵：新增台词/行为需要大量策划、配音、程序协同，成本高、周期长 ⦁智能弱：NPC 无法理解玩家的表达，遇到预设外的输入直接失灵 随着大语言模型（LLM）、流式语音识别（ASR）、可控语音合成（TTS）与多模态动作生成的成熟，NPC 从"台词播放器"进化为"可听、可说、可思考、可行动"的智能体已具备工程可行性。Inworld、Convai 等海外方案在对话侧初步验证了商业价值，但离真正"驱动 NPC 行为"仍有距离——大多数方案止步于"会聊天的立牌"，未能与游戏底层的行为决策打通。 本课题旨在系统性研究以语音和对话为主要输入通道、直接驱动 NPC 决策与行为的方法论与工程范式，形成一套可复用、可评测、可规模化落地的通用技术方案。

1. 01

   包含但不限于人工智能、计算机、软件工程、数据科学等专业的博士和优秀硕士；

2. 02

   具备较强的工程实现与算法落地能力，具有数据敏感性和扎实的数据科学基础，熟练掌握Python及主流深度学习框架（如TensorFlow、PyTorch等），具备大模型（如GPT、LLM等）训练与微调经验；

3. 03

   拥有扎实的自然语言处理与数据库基础，熟悉语音识别、语义理解、对话系统、知识图谱构建与推理等相关技术，对特征工程、AutoML有深入理解；

4. 04

   加分项：；

5. 05

   在ACL、EMNLP、SIGMOD、VLDB、KDD、ICLR、NeurIPS等顶会/顶刊发表过相关高质量论文，或在相关开源项目、算法竞赛中获得优异成绩者优先；

6. 06

   有游戏行业语音/对话系统开发、大模型训练、数据分析、数据仓库建设或游戏业务系统开发经验者优先；

7. 07

   对游戏有浓厚兴趣，熟悉至少一种主流游戏类型（如RPG、SLG等）。