Como rodar um LLM local no Godot 4
Rode um LLM local no Godot 4: sirva um modelo com o Ollama, chame-o em GDScript com HTTPRequest, mantenha o histórico do chat e saiba o que modelos locais custam para os jogadores.
Sercan AltundasFounder of Neocortex
· 8 min de leitura

Rodar um modelo de linguagem localmente no Godot significa que seus NPCs podem conversar sem internet e sem uma conta por mensagem. A configuração mais simples é o Ollama, que serve modelos abertos na sua própria máquina, junto com o nó HTTPRequest que já vem no Godot. Este guia monta um chat de NPC local em GDScript e depois explica o que realmente envolve distribuir um modelo local para os jogadores.
Duas formas de rodar um modelo localmente
- Um servidor local, como o Ollama, roda ao lado do jogo e responde por HTTP. É fácil de configurar e ideal para protótipos, mas cada jogador precisaria ter o programa instalado.
- Um modelo dentro do jogo, por meio de uma GDExtension que incorpora o llama.cpp, como fazem addons de código aberto como o NobodyWho. Não há nada extra para o jogador instalar, mas o modelo vai junto com o jogo e roda no hardware dele.
Este guia usa o Ollama, porque leva uns dez minutos e o GDScript segue a mesma ideia para qualquer servidor de modelos via HTTP.
Passo 1: rode um modelo com o Ollama
Instale o Ollama, baixe um modelo pequeno e teste no terminal. Modelos pequenos, com alguns bilhões de parâmetros, respondem rápido em uma GPU de jogos comum, e são mais que suficientes para testar diálogos. O Ollama escuta em http://localhost:11434 enquanto estiver rodando.
Passo 2: chame o modelo pelo GDScript
Adicione um nó HTTPRequest como filho do seu NPC e depois anexe este script. Ele guarda o histórico da conversa para que o modelo saiba o que foi dito antes:
extends Node
@onready var http: HTTPRequest = $HTTPRequest
var history: Array = [
{"role": "system", "content": "You are Brannoch, a gruff village blacksmith. Answer in one or two sentences."}
]
func _ready() -> void:
http.request_completed.connect(_on_request_completed)
func ask(player_line: String) -> void:
history.append({"role": "user", "content": player_line})
var body := JSON.stringify({"model": "MODEL_NAME", "messages": history, "stream": false})
http.request("http://localhost:11434/api/chat", ["Content-Type: application/json"], HTTPClient.METHOD_POST, body)
func _on_request_completed(result: int, code: int, _headers: PackedStringArray, body: PackedByteArray) -> void:
if result != HTTPRequest.RESULT_SUCCESS or code != 200:
push_warning("Local model request failed: %d" % code)
return
var reply: Dictionary = JSON.parse_string(body.get_string_from_utf8())["message"]
history.append(reply)
print(reply["content"]) # show it in your dialogue UITroque MODEL_NAME pelo modelo que você baixou, chame ask("Is the north road safe?") e o Brannoch responde a partir da sua própria máquina. Um HTTPRequest processa uma requisição por vez, então espere a resposta antes de enviar a próxima fala.
Passo 3: faça parecer um personagem
Um modelo puro é um chatbot. Para transformá-lo em um NPC, você vai precisar de:
- Um system prompt mais preciso: o que o personagem quer, o que ele não sabe e como ele fala. Veja como dar personalidades únicas aos NPCs.
- Corte do histórico: o histórico cresce a cada fala, e o tempo de resposta cresce junto. Mantenha o system prompt e as últimas trocas.
- Contexto do jogo: adicione uma linha curta sobre o que acabou de acontecer ("O jogador devolveu o martelo roubado.") antes da mensagem do jogador.
O que um modelo local custa para o jogador
A inferência local transfere o custo da conta do servidor para o hardware do jogador:
- Memória. O modelo divide a GPU com o seu jogo. No nosso runtime próprio no dispositivo, um modelo de 3B precisa de cerca de 3 GB de VRAM, e um de 2B, menos de 1 GB.
- Tamanho do download. Os modelos adicionam gigabytes ao seu jogo.
- Qualidade. Modelos pequenos sabem menos e saem do personagem com mais facilidade.
- Plataformas. Exportações para web e a maioria dos celulares não rodam bem esses modelos.
O que sobra para você construir
Um modelo local entrega apenas texto. Um personagem de jogo normalmente precisa de mais:
- Voz: reconhecimento de fala para o jogador e síntese de voz para a resposta, além de streaming para a espera ser curta. Veja como funciona o pipeline de voz do NPC com IA.
- Emoção e ações: pedir saída estruturada ao modelo e interpretá-la com segurança.
- Manter o personagem quando os jogadores forçam a barra. Veja como manter NPCs com IA no personagem.
A rota na nuvem no Godot
Quando você quer um personagem e não um chatbot, o SDK do Godot da Neocortex roda os personagens na nuvem, então os jogadores não precisam instalar nada nem sacrificar a GPU. Você cria o personagem em um editor no navegador, com personalidade, base de conhecimento, voz e ações, e o SDK entrega voz de entrada e saída, uma emoção em cada fala e as ações como dados, tudo a partir do GDScript. O passo a passo está em como adicionar diálogo com IA a um NPC no Godot 4.
Estúdios que precisam de inferência no dispositivo em produção podem falar com a gente sobre o nosso runtime no dispositivo, disponível no plano Custom: ele devolve o primeiro token em 0.06 segundo e começa a falar em cerca de um segundo em um laptop com RTX 3080. Fale conosco para planejar.
Próximos passos
Para entender os trade-offs de latência, leia como obter respostas de voz de NPCs com IA em menos de um segundo. Para Unity, o mesmo tema está em como rodar um LLM localmente em um jogo Unity. Todos os tutoriais estão no guia para criar NPCs com IA.
Perguntas frequentes
Como rodo um LLM local no Godot?
Rode um modelo na sua máquina com o Ollama e depois chame a API HTTP local dele pelo GDScript, com um nó HTTPRequest. Funciona offline e não custa nada por mensagem, o que o torna uma boa forma de prototipar diálogos de NPCs.
Posso distribuir um jogo que usa o Ollama?
Só se todo jogador instalar o Ollama e baixar um modelo, o que poucos farão. Jogos prontos ou incluem o modelo dentro da build, ou usam um serviço na nuvem como a Neocortex, que não exige nada na máquina do jogador.
Qual tamanho de modelo local um NPC pode usar?
Modelos com alguns bilhões de parâmetros rodam em GPUs de jogos comuns. No nosso runtime próprio no dispositivo, um modelo de 3B precisa de cerca de 3 GB de VRAM. Modelos maiores dão respostas melhores, mas exigem bem mais memória.
Um LLM local no Godot suporta voz?
Não por si só: você precisaria adicionar reconhecimento de fala e síntese de voz separadamente. O SDK do Godot da Neocortex dá voz de entrada e saída aos personagens, além de emoções e ações, tudo rodando na nuvem.






