3D 形象

为什么“在场感”是功能，不是装饰

3D 形象是 Sidekick AI 里最不动声色、但最有主张的一个选择。大多数 AI 产品把视觉层当 logo 处理——一张头像、一个聊天气泡，最多一个 2D 角色。Sidekick 把它当成一个有身体的队友。差别就在“在场感”：有人在跟你一起玩，而不只是在对你说话。

在场感是只有语音给不了的东西。语音给你信息，形象给你陪伴。到了凌晨两点你打开 Sidekick 硬啃一个难 BOSS 的那种时刻，陪伴反而比信息更重要。

反应是怎么来的

屏幕视觉会标出值得一提的瞬间——击杀 BOSS、极限翻滚、阵亡、稀有掉落、致命一击、一场新战斗的开始。这些信号会和语音一起送到形象层。形象的表情、姿态和动作接住这个瞬间。你又一次死在玛莲妮亚手上，伙伴叹了口气。你终于打过了，形象把手举了起来。这些都没人解说——你就是看见了。

反应的时机是照着“一个队友注意到了什么”来调的，不是照着卡通来调的。它不会为每一次击杀欢呼，也不会为每一次挨打皱眉。它只对真正重要的瞬间做反应，一局下来通常比你以为的少。

形象和头像——这是品类差别

游戏圈里别的 AI 伙伴大多靠 2D 头像、静态立绘或者风格化的聊天窗。那些用来聊天没问题，但给不了“有个队友就在这一局里”的体感。一个会动、会表达、会反应的 3D VRM 形象是实打实不同的产品形态——离虚拟主播更近，离聊天机器人更远；离合作队友更近，离工具更远。更长的对比在这里：Sidekick AI 对比 Character.AI 和 Sidekick AI 对比 Questie.ai。

话说回来，如果视觉层不是你想要的东西，这个产品当纯语音用也完全成立。把形象窗口藏掉，Sidekick 就只是你耳机里的一个声音。3D 层是给想要的人准备的，不是对不想要的人收的税。

3D 渲染到底是怎么做的

形象是一个完整的 VRM 模型——骨骼、BlendShape、表情绑定，跟虚拟主播推实时动作用的是同一套格式。它不是预渲染的视频，不是一串 2D 图片，也不是一个风格化的聊天气泡。你在悬浮窗里看到的伙伴，是一个有骨架的实时 3D 角色，随着 Sidekick 的判断实时动起来。

渲染发生在跟游戏分开的窗口里，这带来几个好用的性质。形象窗口跑自己的帧率，所以就算你的游戏掉帧，它也依然顺滑。渲染管线不碰你游戏的内存，也不钩它的渲染循环——反作弊系统看 Sidekick 就是一个普通的桌面应用，因为它本来就是。相对现代 3A 大作，它的显卡开销很小——一台能 60 帧跑《艾尔登法环》的机器上，基本可以忽略。

动画有两个来源。形象会对屏幕视觉的信号做反应（BOSS 抬手、阵亡、大暴击、战斗开始），也会对语音事件做反应（嘴型跟着正在说的音频走）。两者的时机都是照着“队友注意到了什么”调的，不是一个一直在喊的啦啦队。结果是按帧率呈现的在场感，而不是一张假装还活着的静态头像。

人设——挑一个配得上你打法的伙伴

3D 形象不是一个套了声音的通用人偶。每一位可选伙伴都带着自己的性格，这决定了它怎么说话、对什么有反应、反应有多外放，以及一局下来它是个什么样的队友。Nova（冷静、讲策略）会干净利落地丢一句“往右翻”，配一个很小的偏头。Luna（热血、能量拉满）会直接喊“往右翻！”然后把手举起来。Mika（温柔、鼓励型）会用平稳又安心的语气说同一句话。同样的指导信息，三个不同的队友。

另外三位人设各自对应一种打法。Kaze（冷淡、神秘）会把同一句提示多压一秒才开口——Kaze 开口的时候，你会想听。Aura（锐利、精确）会按帧报时机：“现在翻——三帧，有窗口。”Ren（大胆、无畏）会把你从后手推回前手：“这里回血后撤才是陷阱——打后摇，你有机会。”

现在有六位人设——Nova、Luna、Kaze、Aura、Mika 和 Ren——每一位都有自己的肢体语言、声音和反应方式。完整立绘在形象画廊，你可以一路翻过去，挑一个符合你想被怎么带的。

人设之所以能决定体验，是因为形象的肢体语言和语气承担了大部分情绪工作，而不只是那几句话。声音和视觉是一起设计的，所以伙伴读起来是一个完整的角色，而不是一张头像在念别人的台词。这里赌的是：一个人设一路陪你打完一周目，会长出魂系玩家在真实联机搭档身上得到的那种队友感。跟这个对照的是 Questie.ai 那种可随时替换的角色市集：不同的赌注，不同的产品形态。

每一位人设默认都是直播能用的。没有毒舌模式，没有跑偏模式，也没有“黑化”人设。别的 AI 伙伴产品里那种角色扮演式的关系模式，不在 Sidekick 的人设范围内，这是有意为之。产品形态是队友；人设只是这一个形态的不同口味。

声音——形象的另一半

Sidekick 是语音优先的。形象的嘴在动，但你耳机里的音频才是主通道——喊 BOSS 时机、在银河恶魔城里给你指出口的方向、给 HypeReel 片段配解说，靠的都是它。3D 形象之所以存在，是因为“声音配上一张看得见的脸”正是在场感成立的方式。嘴型（视位）实时跟着音频走；说这句话的形象，就是你看着在说这句话的那一位。

声音的性格是跟人设的性格绑在一起的。Nova 听起来分析、平稳；Luna 听起来有劲、更响；Mika 听起来安心、有耐心；Kaze 说话短促精准；Aura 用帧级的清晰度报时机窗口；Ren 声音里有底气，一直把你往前推。同一位人设在每一局里都是同一把声音——不是每次启动都换一个。语气、节奏、音量和形象的肢体语言是一起调的，所以一局下来像是在跟同一个队友玩，而不是一张头像在念稿。

语言覆盖很广，而且是母语级的，不是翻译腔。Sidekick 的多语言层为葡萄牙语、西班牙语、俄语、中文、阿拉伯语、意大利语、日语、韩语、法语、德语和英语都准备了专门的声音——不是一把基础声音带着口音去说每种语言。形象的口型会跟着当前启用的那门语言走。游戏里的专有名词（BOSS 名、道具名、任务名）优先用你那门语言的官方译名，没有官方译名才保留原文，这样去对 wiki 依然对得上；围着它们的解释是本地化的。