两年前，雷军公开呼吁，不要再用“雷军AI语音包”了，他说“我自己非常困扰，希望大家不要玩了”。
起因是有人用“雷军AI语音包”玩锐评制造争议流量，甚至这则新闻还上了电视台。
而造出AI语音包的那家公司的创始人谢伟铎，现在有了新股东：库洛科技。
10月13日，企查查工商变更信息显示，广州库洛科技有限公司成为言之域科技（深圳）有限公司的新股东，持股15%，库洛创始人兼董事长刘胜出任董事。这是库洛自成立以来，首次公开投资AI技术公司。
游戏厂商买入AI资产早已屡见不鲜。但作为一家深耕二次元开放世界的厂商，库洛在AI领域的第一笔投资既没投向美术管线，也没押注底层大模型和机器人，反而是投了一个做AI语音合成与AI驱动3D交互的团队。
难道说，库洛看中了什么其他厂商没看到的能力？细细拆解后，这笔决策倒更像是AI FOMO犯了，跟风买一张船票。
从VTuber走出来的公司
被库洛投资的言之域是干啥的？
他们的两条产品线，一个是提供声音克隆、语音合成与音色转换的音频平台「Vocu悟声」；另一个是将文本、语音和3D动作表情收进同一个模型里生成的「元语TalkiVerse」。这家公司成立于2024年11月，团队规模不足十人，核心成员三四人，曾获奇绩创坛早期投资。
创始人谢伟铎早期做的另一个项目更广为人知——AI虚拟主播「木几萌Moe」。
为了给AI虚拟主播“木几萌”寻找自然发声方案，他一头扎进语音生成算法的研究。
这个思路倒没错，用AI摆脱中之人的绑定依赖，确实是当时大家认为实现虚拟主播“永不塌房”的一个办法。
他的研究在TTS（语音合成）领域也拿到过小结果。2026年1月，「Vocu悟声」V3在Hugging Face TTS Arena V2盲测榜上位列第一；按谢伟铎向媒体透露的数据，「Vocu悟声」上线三个月用户突破百万、访问量达千万级，并完成了深度合成服务算法备案。
不过，这个“第一”没能一直站稳。TTS Arena V2榜单页面显示，「Vocu悟声」V3已于今年7月4日被暂停排名，官方标注原因为“涉嫌操纵榜单”。
TTS Arena V2榜单页面，显示Vocu V3被暂停排名
刷榜争议之外，他的AI语音合成在合规层面也两次引发争议，2024年9月，网传“三只羊高管卢某某录音”被合肥警方认定系AI伪造，所用工具正是「Reecho睿声」，嫌疑人仅上传约30秒直播片段便完成音色克隆并生成伪造音频。随后9月27日，言域科技发布声明确认此事，称已强化实名认证与音频溯源水印，并配合警方调查。
深圳市言域科技官方声明截图
一个月后，「Reecho睿声」的“声音市场”里，又出现了AI雷军，用户自行上传声线后即可生成包括周杰伦、成龙、刘亦菲等名人声音模型。2024年国庆期间，这批用雷军声线锐评堵车、假期、调休的短视频在平台上刷屏，相关话题播放量过亿。随后小米法务部介入，谢伟铎回应称正配合下架侵权内容。
九派财经当时的报道
在这两起风波中，平台虽仅作为第三方工具被滥用、事后也均配合处置，但接连卷入同类争议，足以说明声音克隆生意的真正门槛不在模型，而在内容治理与声纹确权。尽管言之域全资控股的广州语次元已于今年4月完成算法备案，但对于看重配音演员声誉与版权合规的二游厂商而言，这种游走在声纹侵权边缘的工具基因，很难说是一份安全的资产。
好声音≠好生意
即便抛开刷榜与合规风波，单凭TTS盲测第一的底子，「Vocu悟声」的业务也撑不起游戏大厂的语音采购需求。
一方面，现在技术下的AI发声不可避免出现AI味和电音感。产出的声线是否与真人配音演员撞车、训练语料是否具备完备的商用授权、面对角色爆发戏份的夸张咬字与喘息细节能否稳定输出，每一关都很难解决。而二游玩家又对“AI味”极度敏感，硬着头皮用，很可能没省多少钱反而被骂惨。
另一方面，这一技术也没什么硬护城河，闭源AI-TTS的生意正在被开源模型迅速拉低。今年1月，阿里开源「Qwen3-TTS」，一口气放出1.7B与0.6B两个尺寸，其中0.6B轻量版即支持3秒样本音色克隆，1.7B版本更能凭一句自然语言描述直接捏出全新音色；8月，B站Index团队开源「IndexTTS-2.5」，仅用0.8B参数便打通了中、英、日、西、阿五语种同音色合成，连跨语种的情绪起伏也能一并迁移。对任何一家有技术团队的游戏公司而言，拿免费开源模型回炉微调、私有化部署，已经成了性价比最高的主流路径。
当高自然度语音变得随处可得，单靠“合成效果好一点”的主观听感，「Vocu悟声」能提供的很难让B端客户掏出高溢价。
把视野打开到泛娱乐领域，这类企业采购语音服务也无非两种场景：一类是边角料式的通用旁白与路人台词，企业往往直接顺手调用已在使用的公有云自带TTS，没必要单独引入外部小厂；另一类是核心角色的声线定制，需要供应商投入人力深度适配，但在底层克隆算法高度同质化的今天，这类工程化服务同样建立不起真正的技术壁垒。
「Vocu悟声」积累的上百万C端用户固然是实打实的数据，但个人用户拿来玩梗、做鬼畜二创的玩具，与企业级客户严苛的工业化交付本就是两套标准。随着开源模型持续摊薄推理成本，一家闭源TTS初创公司若拿不出独家合规的高质量语料库，B端客户随时可以低成本切换替代方案。
玩家需要「AI驱动角色」吗？
相比单纯的语音合成，言之域的第二条产品线「元语TalkiVerse」讲了一个更大的故事。它试图将文本、语音与3D动作表情在同一模型联合生成，实现虚拟角色开口说话时，同步做出匹配的神态与肢体反应。
试想一下你跟角色语音说，“你好可爱”，她回你一个转圈比心。
听起来这跟二游玩家需求匹配，在固定主线演出之外，玩家也想要鲜活的角色互动回应。但这一幻想的前提来自于高规格的剧情演出与精准的人设塑造。能受到玩家追捧的角色，无论是克制的眼神流转，还是极具张力的动作分镜，背后全靠专业演出团队逐帧打磨。
当你刚过完主线，期待的是同个标准的角色跟你互动，这时候一个大模型实时生成的角色来了，拿出一套交互动作，一旦出现神态僵硬或台词OOC（人设崩塌），足以毁掉整个版本建立的角色滤镜，进而影响商业化，没有哪家头部二游敢拿核心卡池角色去赌。
况且放眼全球市场，「元语TalkiVerse」所处的AI角色驱动赛道，早已巨头环伺。
海外的「Convai」与「Inworld」均已推出可直连Unreal Engine和Unity的实时AI角色插件，英伟达的「NVIDIA ACE」更是把角色大脑、语音与面部动画全套塞进了主流开发管线。单看3D动作生成，英伟达今年3月开源权重的「Kimodo」基于700小时高精光学动捕数据训练，已支持按文本与运动学约束生成全身动作；7月发布的「ARDY」更实现了实时流式生成，直接锚定游戏角色控制场景。
即便各家底层架构略有差异，这些成熟方案早已封死了初创小团队的溢价空间。
并且像「NVIDIA ACE」已经直接应用在全球多端上线的新游《伊莫》里，虽然效果算不上多么惊艳，但对比来看「元语TalkiVerse」甚至没有公开的案例模板。
技术不够领先，落地也不够快，难道说「元语TalkiVerse」跟库洛产品能有什么特殊适配吗？
仔细想想，「元语TalkiVerse」这套系统在库洛的研发管线里，也不是非上不可。要知道，重度依赖分镜叙事的主线剧情容不下随机生成的不可控演出。
而开放世界里的路人NPC，靠传统行为树与状态机就足以应付日常交互。倘若真要在城里塞进几个能自由闲聊的AI NPC，不仅要攻克长期记忆、世界观防出戏等难题，还得背上未必便宜的实时推理算力成本，投入产出比远不如预设几套精调台词与挥手动作实在。
更何况库洛内部本就建有成熟的动作捕捉棚。《鸣潮》近年来之所以能靠演出翻盘，靠的正是“配音演员先录完台词，再由动捕演员按照台词节奏设计肢体表演”的精细化管线。放着自家验证成功的工业化长板不用，转头用股权投资去押注一套尚处于玩具阶段的端到端生成工具，显然面临着技术供给与研发需求的错位。
结语
分析到这，老实说，我没看懂库洛为什么投这家公司。
像库洛这样有热门产品的游戏公司不缺现金流，用来投投项目很正常，外界常拿米哈游早年投资MiniMax当作游戏大厂押注AI的范本，米哈游在2022年天使轮进场时，押注的是估值2亿美元的通用大模型赛道，此后MiniMax长成了向全行业输血的基础设施，其「H3」模型成为不少AI漫剧的性价比首选，在资本层面也成功IPO。
当然，并不是每一次赌前沿科技都能取得突破，有时候游戏公司也会押注失败，也有些时候投融资是把钱给到能稳定交付的产业下游锁定产能，或者单纯财务投资赌下一轮赚波大的。
这些可能性言之域都没有，有的只是疑似“造假”的技术指标，上过电视台的声誉和十几万粉丝的虚拟主播，以及一个“最直白最不饶弯子”的官网。无论是「Vocu悟声」还是「元语TalkiVerse」，至今仍停留在单点工具层。前者验证了押注底层大模型的复利，后者只能仰仗大厂施舍零星的试验场景，天花板肉眼可见。
所以说，库洛此番出手，更像是在全行业集体AI FOMO的浪潮里买了一张跟风船票。据伽马数据统计，2026年上半年国内TOP50游戏企业的AI相关投资已达108宗，一举超过2025年全年总量。同行里有人在做具身智能，有人自研大模型，也有人迭代AI游戏、精研3D AI虚拟偶像。
我相信，每个游戏公司都会在当下被问一个问题，“游戏公司集体下注AI，你们有吗？”投资完言之域的库洛，可以大声答出：“有的，我们有的”。
可是那然后呢？库洛还差一个更关键的问题：自家的下一款旗舰产品，到底需要什么样的AI？
（作者：伯灵、哈士柴）
