Atmee v2 即時數位角色推出：完整對話、替語音代理加臉與點數費用怎麼選？
Atmee v2 以即時角色呈現表情、手勢與聆聽反應。比較全套對話、只接畫面與純語音，理解每分鐘點數、Growth 與邀請碼資格、API 和模型版本。
替語音代理加上一張臉，看似只多了一段影片，實際上還要讓表情、動作和發言時機接上同一場對話。
Atmee v2 在 2026 年 11 月 4 日由 Atmanity 發布，定位是能即時呈現角色與環境的影片模型。
團隊同時把行為判斷與畫面生成分開，讓角色不只在說話時動嘴，也能在聽人說話時做出反應。
但建置方式會改變你要接手的工作，因為平台可以管理整場對話，也能只替已存在的語音代理呈現畫面。
我會建議已有語音系統的團隊先看只接畫面的模式。需要從零開始的人，再比較全套對話、帳號資格與每分鐘點數。
要做這個選擇，先得理解行為模型與角色影片各自管哪一段。
Atmee v2 與 Causeur 各自負責什麼？
Causeur 負責對話中的行為與時機，Atmee v2 負責即時呈現角色畫面。這個分工把「怎麼反應」與「如何把反應畫出來」分成兩個相接的工作。
Atmanity 官網把 Causeur 稱為行為模型，列出的範圍包括個性、情緒、時機與主動聆聽。角色何時該回應，因此不只取決於嘴巴是否能對上聲音。
影片模型則處理臉、身體、細微表情、情緒及周圍環境。官方強調的是完整畫面的即時角色，並未把能力限定在固定背景裡的一張說話人臉。
這也讓產品目標和一般預錄口播有所不同。預錄影片可以事先安排每句話與動作，即時通話卻要面對使用者接下來才說出的內容，畫面便需要跟著當下互動產生。
不過，產品架構與實際互動品質是兩層證據。公司說能在單張 GPU 即時呈現，這份公開頁面沒有給出可套用所有角色、硬體與網路的固定端到端延遲。
對開發團隊來說，先分清行為與呈現，比只用「更像真人」概括能力更有用。因為兩者可以整套採用，也可以把畫面接到原本已經運作的對話系統。
After Google acquired my AR startup, I started thinking about the next interface, this time for AI. Text and voice work fine, just like DOS did before the Mac. But nothing’s more intuitive than face to face.
— Chen-Ping Yu (@yuchenping) November 4, 2026
After two years of research, today we’re launching Atmee v2: a… pic.twitter.com/oZWAzGgRH1
角色在聽人說話時，能呈現哪些反應？
官方把表情、手勢與聆聽反應列為 v2 的重點，讓角色在輪到別人說話時，也能呈現互動。
模型文件描述，角色的情緒應配合正在說的內容，頭部與身體動作也會跟著對話，而不是每個句子之間都停在同一個姿勢。
聆聽反應的目的則不同。若角色只在自己發言時移動，使用者說話時便可能面對一張不動的臉。官方希望它在聽的過程中也有適當反應，讓互動持續存在。
這些描述提供了可以觀察的產品方向，但仍屬供應商對模型的說明。公開展示某段對話自然，不代表任意長度、任意角色或每個使用者都會得到同樣結果。
建立 v2 角色時，平台可以產生多個候選版本，讓建立者挑選喜歡的一個。這項選擇發生在角色建立流程，和每次通話時動態改變角色模型不同。
角色可以從肖像與短語音素材開始，再搭配名字、個性及需要談論的範圍。建立者提供的素材決定角色起點，再由 Atmee 產生候選版本。產品團隊仍要選出符合預定人物設定的角色。
需要查自己文件的角色，還能加入知識檔案。這裡的用途是提供對話內容，和控制臉部呈現是不同設定，也解釋了為何已經有語音代理的人未必需要整套換掉。
三種整合模式，哪一段由你的團隊管理？
三種模式主要差在誰管理對話，以及是否顯示影片。選擇時可以從團隊已經有的系統開始，而不是先挑最完整的方案。
平台管理整場對話
Behavior-driven Full-stack 可以理解為包含行為的全套服務。Atmee 管理行為模型、語言模型、語音辨識、聲音與臉，應用則建立工作階段，讓自己的頁面加入影片房間。
這適合尚未建立語音系統的產品。團隊提供角色、聲音、個性與知識，再把顯示介面接到自己的網站或 App，不需要先另外組好每一個語音元件。
全套模式也能接收應用狀態與事件、使用應用工具，或沿著預先安排的議程進行。因此，角色不只是一段放在網頁上的影片，還需要和產品當下發生的事對接。
保留自己的語音代理，只接角色畫面
Avatar-only 把範圍縮到角色呈現。語音辨識、語言模型與聲音由團隊自己的代理提供，Atmee 依它的音訊呈現同步畫面，不決定這個代理要說什麼。
這讓已經安排好提示詞、工具與紀錄的團隊，可以保留原本的對話流程。採用者要比較的是加上臉的價值，而不是順便把已建立的整套語音能力重新替換。
官方提供 LiveKit Agents 外掛，也能直接呼叫角色工作階段介面。LiveKit 是傳送即時音訊與影片的房間系統，讓自己的代理與畫面在同一段互動中相遇。
相同角色，也能只用聲音
Behavior-driven Voice-only 由平台管理行為、語言模型及語音辨識，並使用角色的聲音，但不顯示影片。客戶端透過 WebSocket 維持雙向音訊連線。
這適合不方便顯示畫面的介面，例如純語音應用或畫面外的遊戲角色。它沿用角色的個性與聲音，但服務消耗應按純語音模式理解，不能直接套用影片費率。
同一個角色可以用於不同模式，所以選擇不必把整個產品鎖在唯一介面。團隊可以依當次互動是否需要畫面，決定建立哪種工作階段。
延伸閱讀：ElevenAgents Unity SDK 推出：NPC 語音對話、遊戲動作與平台支援怎麼接？
每分鐘點數怎麼計，v2 建立資格又有何限制？
截至 2026 年 11 月 9 日，官方整合文件列出，v2 全套影片對話每分鐘使用 2 點，只接畫面每分鐘使用 1 點，實際依秒計算。
較早的 v1 在對應模式分別是每分鐘 1 點與 0.5 點。純語音模式則不因角色模型不同而改變，每分鐘使用 1 點，三種模式都從同一個帳戶餘額扣除。
因此，選擇只接畫面，減少的是 Atmee 所處理的工作與點數。自己的語音辨識、模型和聲音仍由原系統執行，不能只比較平台點數，就推論整段服務總成本一定減半。
只接畫面模式會在角色看見自己的代理進入房間時開始計費，直到代理離開、房間關閉或應用結束工作階段。因為費用跟著連線生命週期累積，不能只按實際說出幾句話估算。
點數也不能直接當成美元。官方說每點的金額依訂閱方案而異，所以比較時應先分清模式消耗，再對應自己方案實際取得的點數價格。
建立 v2 角色與生成片段，需要 Growth 以上方案，或在較低方案持有邀請碼。Free、Starter 也可以透過邀請碼取得相關建立資格，並非只有升級一條路。
建立高畫質的 v2 HD 角色則限 Enterprise。這與「能不能跟一個已存在的角色對話」不同，官方允許任何人與既有角色互動，不要求每個訪客都先取得建立資格。
這個差別對產品規畫很實際。建置者的方案決定能創造哪些角色，最終使用者則從應用進入互動，不應把兩種身分需要的資格混在一起。
模型也在建立角色時決定。若要把同一張肖像與聲音從 v1 換成 v2，需要重新建立角色，因此不能只在一通現有對話裡換個參數，就假設已完成升級。
角色、伺服器與影片房間，如何接成一次對話？
應用伺服器先建立工作階段，前端再加入房間顯示角色。工作階段可以理解成一次互動的服務狀態，包含它使用的角色與連線資訊。
入門文件把流程分成建立角色、由伺服器開始對話、頁面顯示影片。API 金鑰留在伺服器，使用者只需要從應用加入互動。
最終使用者不必先申請 Atmee 帳戶，也不會被平台直接收取這段用量。扣點的是建置應用的帳戶，因此產品如果要向使用者收費，需要安排自己的商業流程。
官方端點裡的 /v1 是 API 版本，和角色採用哪代模型不同。API 是讓程式呼叫服務的介面，v1 與 v2 角色共用同一套入口，建立時省略引擎設定則預設使用舊模型。
同一角色同時只能有一段即時影片對話。若它已在使用中又建立第二段，會收到忙碌錯誤，所以多人服務要把角色與互動容量納入安排，而不是只做一個會播放的頁面。
結束也有相應的介面，而且重複結束已結束的工作階段會回報既有狀態。這讓應用在使用者離開或房間關閉時，可以收束對應資源，和單純把影片藏起來不同。
純語音模式則有自己的連線條件。伺服器取得短效連線資訊後，客戶端要在 60 秒內連入。連線失去後，需要建立新的工作階段，不能把它當成永遠有效的音訊網址。
這些設定共同說明，接入角色是一段應用流程。模型供應商管理的對話或畫面，仍需和自己的使用者介面、伺服器及工作階段生命週期配合。
哪些用途適合先試，速度與成本宣稱應如何理解？
產品導覽、語言練習與接待服務，有較明確的互動目的，適合用來判斷畫面是否真的幫助對話。官方也列出這些方向，但沒有為每一種用途公布獨立成功率。
例如已有產品問答代理的團隊，可以先保留它原來的知識與工具，再評估加上角色後的體驗。這是依整合模式推導的應用安排，並非本文已完成的部署或使用測試。
尚無對話系統的團隊則要同時規畫角色談什麼、知道哪些資料，以及頁面如何加入互動。全套模式能管理較多元件，但不會替產品自動決定所有內容和服務流程。
創辦人發布時宣稱，與部分影片模型相比可快上數十倍、成本低一至兩個數量級。不過，貼文沒有提供完整的同條件測試方法，不能把這些數字直接當成每通影片對話的速度或費用保證。
若團隊已有語音系統，先評估只接畫面，能讓變更範圍比較清楚。若希望從角色設定一路接到對話，則應連同全套服務點數和建立資格一起選擇。
延伸閱讀：Muse 語音與即時頭像上線，美國推出、870 毫秒與同步生成怎麼看？
Atmee v2 常見問題
只想和既有角色對話，也需要 Growth 嗎？
建立 v2 角色與片段有方案或邀請碼條件，和既有角色對話則不同。應用訪客也不必各自申請平台帳戶。
已有語音代理，可以只加畫面嗎？
可以採 Avatar-only，保留自己的語音辨識、模型和聲音，讓 Atmee 負責角色呈現。這與由平台管理整場對話的模式不同。
每分鐘一點，等於每分鐘一美元嗎？
不是。點數金額依方案而異，每分鐘消耗則取決於模式和模型，兩個單位需要分開理解。
先選擇要保留哪一段既有系統
已有語音代理的團隊，可以先評估替原流程加上角色畫面。從零建置的團隊，則可比較全套服務如何承接知識、個性與互動介面，再對照點數及建立資格。
我會先選一種有明確目的的對話，確認自己需要的是角色呈現，還是整套對話能力。這個決定會直接影響整合工作與持續用量，比單看「更像真人」更能縮小選擇。
