Ego revoluciona os jogos com personagens interativos que usam a Cartesia

A Ego é um mecanismo de simulação nativo de IA em que usuários podem criar e compartilhar personagens animados em 3D, mundos e roteiros de jogos usando linguagem natural. Sua visão é revolucionária para os jogos: imagine criar títulos tão populares quanto Minecraft ou Animal Crossing por meio de comandos simples.

Os fundadores da Ego têm ampla experiência em jogos e IA. O CEO Vishnu Hari, ex-jogador do grupo dos 500 melhores de Overwatch, liderou equipes de produto no Facebook AI Applied Research, ou FAIR, e na equipe Meta Horizon Scripting. A CTO Peggy Wang, que entregou algoritmos de aprendizado de máquina para rastreamento facial de avatares de realidade aumentada da Meta, traz experiência em pesquisa de IA em Stanford e na Lyft Level 5 com algoritmos de planejamento de comportamento autônomo para robótica.

A parceria com a Cartesia acelerou a visão da Ego de permitir que jogadores criem o mundo 3D que imaginam, com agentes de IA e personagens não jogáveis, ou NPCs, que exibem comportamento humano. A parceria foi apresentada recentemente no lançamento de Thrall, um mod para o jogo de sobrevivência viking Valheim. Usando a tecnologia de voz de latência ultrabaixa da Cartesia, inferior a 90 ms, e seus recursos avançados de criação de voz, Thrall responde aos jogadores com reações humanas, percepção emocional e interações naturais.

O papel da IA de voz em jogos imersivos

Até recentemente, jogos de mundo aberto enfrentavam três grandes limitações:

• NPCs limitados a comportamentos rígidos e pré-programados, sem autonomia real
• A criação de interações exigia amplo conhecimento de programação
• Desenvolver e escalar recursos e ambientes 3D exigia recursos excessivos

A expansão da IA generativa mudou radicalmente esse cenário. A Ego viu a oportunidade de democratizar jogos imersivos permitindo que qualquer pessoa crie experiências ricas usando linguagem natural, de forma semelhante a preencher uma ficha de personagem em Dungeons & Dragons.

A IA de voz aprimora dois elementos essenciais dos jogos modernos:

1. Personagens não jogáveis, ou NPCs: personagens controlados pelo computador que povoam os mundos dos jogos, de lojistas a personagens que oferecem missões
2. Companheiros de IA: agentes inteligentes capazes de tomar decisões e interagir como jogadores humanos

Ambos precisam de vozes à altura de sua inteligência, capazes de se adaptar à emoção e ao contexto em tempo real.

O desafio

Ao avaliar provedores de voz, a Ego buscava atender a vários requisitos essenciais:

1. Conseguir interações naturais por voz em tempo real entre jogadores e companheiros de IA
2. Gerar respostas emocionais adequadas ao contexto
3. Oferecer suporte a vários idiomas para jogadores internacionais
4. Criar vozes distintas para diferentes personalidades de personagens
5. Manter baixa latência para experiências de jogo fluidas

A solução

Jogos exigem vozes capazes de acompanhar as interações dinâmicas dos jogadores. A Ego escolheu o modelo Sonic da Cartesia por seus recursos diferenciados:

1. Criação centrada na emoção: diferentemente de modelos tradicionais de texto para fala, o Sonic permite que companheiros de IA expressem uma ampla gama de emoções, da curiosidade à urgência em combate, tornando cada interação autêntica. Outros provedores costumam ter alguma forma de reconhecimento emocional pré-treinado, mas falham na compreensão do contexto. A Cartesia oferece controle detalhado das emoções sem exigir que a voz seja gerada repetidas vezes.
2. Latência otimizada para jogos: com a arquitetura inovadora de SSMs da Cartesia, o Sonic entrega latência de 90 ms, líder do setor e essencial para manter a imersão em ambientes de jogos em tempo real.
3. Vozes dinâmicas ilimitadas para personagens: com a clonagem instantânea da Cartesia, cada personagem de IA mantém características vocais únicas, treináveis com apenas 10 segundos de áudio. Isso permite que a Ego crie personagens diversos e memoráveis que se conectam aos jogadores, mantendo personalidades consistentes.
4. Comunidade global de jogadores: os jogos da Ego alcançam um público global em outros 14 idiomas, além de sotaques regionais, garantindo interações autênticas com personagens em todo o mundo.
5. Instruções por voz: o modificador de voz da Cartesia permite controle preciso da interpretação dos diálogos, substituindo sessões tradicionais de estúdio por comandos eficientes de voz. Desenvolvedores podem gravar uma amostra com o estilo, a emoção e a prosódia desejados e aplicá-la à voz de qualquer personagem, permitindo interações naturais sem repetidas sessões de estúdio.

Os resultados

O lançamento de Thrall pela Ego representa um avanço na criação de NPCs. Jogadores podem usar comandos naturais de voz para orientá-lo em qualquer tarefa que uma pessoa realizaria, da coleta de recursos ao combate. O companheiro de IA responde com emoções adequadas ao contexto, comemorando caçadas bem-sucedidas ou reconhecendo comandos com reações humanas. E os jogadores podem personalizar a personalidade e os traços comportamentais de Thrall, criando um companheiro de jogo verdadeiramente personalizado.

A parceria representa um passo importante na visão da Ego de democratizar a criação de jogos e permitir experiências verdadeiramente interativas em que personagens de IA pareçam vivos e responsivos.