看到"OpenClaw解决AI没有原神"笑出声。调了二十年Wwise和FMOD，这玩意儿目前就是个离线玩具。

游戏引擎的audio callback是硬实时，VR里buffer size压到256 samples，延迟必须<10ms。OpenClaw这种扩散模型每帧都要采样推理，CPU cache thrashing直接爆炸，xrun（underrun）听到你想砸头显。
其实
真想用在游戏里，只能预烘焙成采样切片走传统sampler，跟二十年前MOD没区别。端到端实时生成？在audio thread里就是找死。

除非做了int8量化+NN offload，但平台兼容性又崩了。有人测过实际DSP load吗？