Inworld AI 对比 Photo AI (formerly Avatar AI)

Inworld AI 销售实时语音 API，涵盖文本转语音、语音转文本、语音对话代理和大语言模型路由，包括游戏中的头像和 NPC 语音生成。其 Realtime TTS-2 模型宣称首字节时间为 100 毫秒，支持从 15 秒音频进行语音克隆，带有括号语音引导标签，并支持单一语音的 200 多种语言。

与将独立的 TTS、STT 和网关供应商拼接使用相比，Inworld 将这些层整合到实时 API 会话和覆盖 220 多个大语言模型的零加价路由器中。主页公布了并列的费率对比，例如 Realtime TTS 每 100 万字符 12.50 美元，而 ElevenLabs 在类似增长计划中为 100 美元，目标用户为大规模发布消费级语音应用的团队。

游戏工作室仍使用 Inworld 进行 NPC 和伴侣语音，但当前产品也面向教育、健康、社交应用和代理型劳动力工具。开发者可在 platform.inworld.ai 注册，选择按需免费层或带积分的付费月度计划，并通过 docs.inworld.ai 文档中的 REST 或 WebSocket API 集成。

Photo AI 从你的自拍中训练个人模型，然后生成你以新姿势、新服装和新场景的逼真照片。上传 5 到 15 张多样化照片，等待约五分钟进行训练，然后可在浏览器或手机上大约 20 秒内生成单张照片。该产品的工作方式类似于你雇佣一次、可重复使用的 AI 摄影师。

一次性头像应用如 Lensa 或 ProfilePicture.ai 专注于风格化头像包。Photo AI 则更进一步，提供主题照片包、虚拟服装试穿、由静态图像生成的 AI 视频、动作捕捉，以及你从零设计的全合成 AI 网红。其权衡是采用带有积分系统的付费订阅，而非简单的按包购买。

创作者、电商卖家和社交媒体专业人士使用 Photo AI 制作头像、生活方式内容和产品建模，无需预订摄影棚。网站报告已生成超过 3000 万张照片，拥有 120 多种头像风格，涵盖专业、约会、旅行和创意类别。创始人 Pieter Levels 作为独立个人经营 Photo AI，未引入外部投资。

训练完成后，你可以将单独照片合成为群体照，放大喜欢的照片，并将结果转为带有对话脚本的短视频。商业使用权适用于更高级别的套餐。Photo AI 运行于 avatarai.me，前身为 Avatar AI，是推动 2022 年病毒式 AI 头像潮流的产品。