项目先从车库门的嘴巴造型开始，用 Autodesk Maya 创建自定义动画 rig，再导出到 Unreal Engine 添加火焰和特效。虽然没有眼睛和眉毛，怪物仍能通过有限表情传达古旧和轻微不满的情绪。

技术栈包括 Nemotron ASR 负责听声，Nemotron 3.5 Bolt E4B 作为大脑，Magpie TTS Zeroshot 提供实时语音，Audio2Face-3D 驱动木板嘴巴动作。开发者希望让万圣节变得有趣而非单纯吓人，怪物会在孩子说“请”时明显缓和语气。

这个案例展示了语音 Agent 如何与物理装置结合创造沉浸式互动。对中文开发者而言，它提供了一个完整、可在单机运行的参考实现，启发大家将类似技术用于教育、娱乐或客服场景，而无需依赖大规模算力。