Inworld AI翻译站点

Inworld AI 是一家总部位于美国加州山景城的实时语音AI研究实验室与推理服务商，2021年成立，创始团队曾主导DeepMind的LLM产品并打造了被Google收购的对话式AI平台Dialogflow。公司累计融资超过1.25亿美元，投资方包括Lightspeed、Kleiner Perkins、Founders Fund、微软M12、Meta、Intel Capital、三星NEXT等。网站的核心定位是帮助开发者把语音AI应用从原型推向生产规模，解决“原型跑得通、百万用户跑不动”之间的基础设施鸿沟。主要面向陪伴类应用、社交、教育、互动媒体等消费级AI产品的开发团队。

核心功能

• 实时语音合成（TTS） ：自研Realtime TTS-2与TTS-2 Flash模型，首字节约100毫秒，支持200多种语言，具备跨语言声音一致性。语音表达可通过自然语言自由操控，覆盖情绪、咬字、语调、音量、音高、语速和声音风格，还支持非语言标签。提供即时声音克隆和基于文字描述的声音设计。

• 实时语音识别（STT） ：流式语音转文字，具备说话人分离能力，能同时捕捉用户“说了什么”和“怎么说的”，为后续对话保留语气和上下文线索。

• 语音到语音（Speech to Speech） ：把TTS、STT和推理整合成一条语音回路，开发者不需要自行拼接三家不同供应商的组件。

• 实时推理与模型路由：Realtime Router支持在100多个LLM之间按用户、场景和价格点动态切换，无需重写调用逻辑。路由覆盖两条轨道：第三方模型（OpenAI、Anthropic、Google、Meta、Mistral、DeepSeek、Qwen等）和Inworld自营推理的优化开源模型（Gemma、DeepSeek、GLM系列），目标是让开源模型以消费级成本跑出实时延迟。

• 专属算力：面向流量较大的客户提供专用计算容量，在共享推理无法满足延迟要求时保证可预测的响应速度。

网站特色

Inworld AI 与多数“文本优先”的AI平台不同，它的整套技术栈是围绕实时语音对话设计的。TTS、STT、语音到语音和推理路由由同一团队自研并垂直整合，而不是从不同厂商采购后拼接，这样在延迟、声音一致性和成本控制上更容易做到端到端优化。另一个特点是它对生产规模的直接支持：GDPR和SOC 2 Type II覆盖所有付费方案，Growth及以上层级可加购ZDR、HIPAA与BAA，Enterprise提供SLA、DPA和欧盟/印度数据驻留。这些合规与部署选项说明它瞄准的是需要长期运行、有明确合规要求的商业应用，而非一次性技术演示。

从角色AI时代延续下来的内容安全控制也保留了下来。NPC或语音代理的行为边界可以通过Safety Node等组件进行配置，开发者可以根据应用面向的受众（从全年龄到成熟评级）调整对话中可以出现的粗俗、暴力等内容的程度，同时对仇恨言论和鼓励自残等内容设有硬性限制。

使用体验

平台以API和开发者控制台为主，注册后按需选择方案，API密钥在后台生成。计费采用“月度信用额度+按量计费”的混合模式：每月获得的信用额度与方案价格等额，可用于TTS（按字符）、STT（按小时）、LLM推理（按token）和实时语音到语音等所有产品。On-Demand免费方案每月包含最多70分钟TTS额度，适合评估和原型验证；Creator方案$25/月，在免费额度的基础上提供信用额度和更低的费率；Builder $100/月、Developer $300/月、Growth $1,500/月逐步解锁更高的自定义声音数量、并发上限和合规附加项。付费方案的未用信用额度可在活跃订阅期间结转最多3个月。有用户提到，部分高级LLM模型即使账户内有信用余额，也需要绑定信用卡后才能调用。

其他信息

• 费用：On-Demand免费（含最多70分钟TTS）；Creator $25/月、Builder $100/月、Developer $300/月、Growth $1,500/月；Enterprise定制报价。付费方案未用额度可结转最多3个月。

• 注册：使用需注册账号，免费方案可直接开始。

• 语言：平台界面以英文为主。TTS支持包括简体中文（zh-CN）、繁体中文/粤语在内的200多种语言和地区变体；STT的Voice Profile支持普通话和粤语等18种语言。

• 运营方：Inworld AI，总部位于美国加州山景城。

• 支持平台：网页控制台与API，面向Unity、Unreal Engine、Roblox等引擎和运行时提供集成支持。