MicroDucks 是我在 Unreal Engine 5.8 中构建的一个小型农场模拟游戏：一群机器鸭、一只驯养的狗、狐狸和一个农场摊位。本周我让每条输入都可说。按住按键并说出 “所有鸭子，坐下”、 “放大”、 “电影模式”、 “建造一个炮台” 或 “跟随狗”，它们就会发生。所有内容都在我的 GPU 上本地运行：→ 语音转文本：Whisper large-v3-turbo (whisper.cpp) → 理解：NVIDIA Nemotron 3.5 Bolt，使用 llama.cpp 提供 → 日常命令（坐下、站起、跟我走）完全跳过模型。一个小语法在不到一毫秒内处理它们。像 “你们能不能都回到鸭舍” 这种更自由的表达会发送到 Nemotron 并返回，大约需要三分之一秒！