Como o Clóvis mencionou, já existem plataformas que integram som ao RPG, mas sinceramente, não funcionam muito bem, pelo menos para mim. O fato de ter que ficar pegando o contexto e clicando em algo desvia meu foco e acabo esquecendo o que estava acontecendo KKKKKKKK e olhe que eu não tenho TDAH.
No entanto, você comentou que planeja usar IA. Tem alguma ideia de como quer integrar? Eu penso que, se for um uso em que a IA consiga entender o momento adequado para a utilização de cada som, seria excelente. Obviamente, não é algo simples, e talvez, para um projeto de faculdade, considerando o tempo limitado, esse esforço não seja viável. De toda forma, deixo aqui uma sugestão e, se possível, explica detalhadamente como pretende integrar essa IA.
Em teoria, a plataforma iria oferecer 3 modos: o mais comum, que é uma simples playlist de sons; outro de reconhecimento de voz explícito, onde o usuário poderia segurar um botão ou falar uma palavra-chave e, em seguida, dar o comando; e o modo implícito, que seria o mais complexo, tanto em termos de desenvolvimento quanto de ética. Nesse modo, a plataforma usaria o microfone em tempo real, processando os dados e enviando-os para um modelo de IA treinado para reconhecer, de forma implícita, sugestões de áudio e reproduzir os sons.