Acercarte a un NPC, hablar directamente por tu micrófono y recibir una respuesta a lo que acabas de decir. Esta es la propuesta de NPCTalk, un proyecto de Universal Modder que utiliza una Inteligencia Artificial para generar conversaciones e incluso sus voces durante las partidas de GTA V, una idea muy llamativa y que vuelve a darle vida al título de Rockstar lanzado en abril de 2025 para PC.
En resumen
NPCTalk es un mod para GTA V desarrollado por Universal Modder que utiliza inteligencia artificial para generar conversaciones y voces de los NPC en tiempo real.
El mod combina tecnologías como NVIDIA Nemotron ASR, Qwen 3.8 27B mediante Cerebras y Fish Audio Drama 3 para transcribir, generar y narrar las respuestas de los personajes.
Universal Modder planea lanzar una versión jugable y gratuita de NPCTalk la semana posterior a su presentación, aunque aún no ha confirmado una fecha concreta.
Imagina recorrer Los Santos y poder hablar con sus habitantes sin depender de las frases que el juego tiene preparadas de antemano, sino que se generan en tiempo real y con muy poco retardo. Los responsables de NPCTalk han anunciado una versión jugable y gratuita de este mod para la semana posterior a su presentación, aunque lamentablemente la información publicada en este momento no incluye una fecha de lanzamiento concreta todavía.
Los personajes de GTA V responden con voces generadas por IA
Esta propuesta permite que puedas interactuar con prácticamente cualquier NPC del juego y que éste te responda intentando mantener la personalidad del personaje y utilizando voces clonadas a partir de referencias. El repositorio, que está ya disponible en GitHub, pone ejemplos como Lamar comentando la ropa que lleva puesta el jugador o Michael defendiendo su particular vestimenta. También contempla incluso acciones y gestos asociados a lo que se dice durante la conversación.
Introducing NPCTalk: make the NPCs of any game talk in realtime. I made every NPC in GTA V answer to me in character, in their own cloned voice, in under 1s, and they act on what you say.
We packaged all the skills Claude learned into a single repo, https://t.co/YXAJwJeawL
9.6K
92
La implementación de este mod utiliza varias tecnologías. Por ejemplo, NVIDIA Nemotron ASR transcribe en tiempo real lo que está diciendo el jugador por el micrófono, mientras que Qwen 3.8 27B mediante Cerebras es lo que genera las respuestas. Fish Audio Drama 3 produce la voz utilizando una NVIDIA H100 alojada en la nube, y TypeSafe Jef interviene en las acciones de los personajes.
Hay que tener en cuenta que, con todos los elementos que intervienen (incluyendo un acceso a la nube), la respuesta no es instantánea, y según el autor del mod puede tomar entre 1,15 y 2,2 segundos. Este tiempo puede ser más amplio si tienes el micrófono abierto (añade algo de latencia el detectar que estás hablando en lugar de pulsar para hablar), y además comentan que puede haber picos causados por la espera de la generación de la transcripción o retardos en el acceso a la nube. En el vídeo se ve bastante bien.
