Deepgram Voice Agent API für Spiel-NPCs vs Neocortex
Die Voice Agent API von Deepgram bündelt Sprache-zu-Text, ein LLM und TTS zu einem Preis pro Minute. Wie sie im Vergleich zu Neocortex für vertonte Spielfiguren abschneidet.
Neocortex TeamThe team behind Neocortex
· Aktualisiert 20. Okt. 2026 · 5 Min. Lesezeit

Die Voice Agent API von Deepgram kann einen Spiel-NPC vertonen, aber Sie zahlen für jede Minute, in der eine Verbindung offen ist, und Sie bauen die Figur und den Engine-Client selbst. Neocortex bündelt dieselbe Sprachpipeline mit Werkzeugen für Figuren und Engine-SDKs, in monatlichen Tarifen.
Deepgram ist ein Unternehmen für Spracherkennung. Seine Voice Agent API führt Sprache-zu-Text, ein Sprachmodell und Text-to-Speech über eine einzige WebSocket-Verbindung aus, mit Function Calling und der Wahl zwischen Anbietern bei jedem Schritt. Hier steht, was das in einem Spiel kostet und erfordert, und wie sich die beiden vergleichen.
Kosten auf einen Blick
Deepgram veröffentlicht Preise pro Minute, die "auf Grundlage der WebSocket-Verbindungszeit berechnet" werden. Die Spalte für Pay-as-you-go:
| Stufe der Deepgram Voice Agent | Pro Minute |
|---|---|
| Standard | $0.075 |
| Standard, eigenes TTS mitbringen | $0.065 |
| Custom, eigenes LLM mitbringen | $0.065 |
| Custom, eigenes LLM und TTS mitbringen | $0.050 |
| Advanced | $0.163 |
Growth-Preise senken jeden Satz. Ein eigenes LLM oder TTS mitzubringen heißt außerdem, diesen Anbieter separat zu bezahlen.
Neocortex-Tarife sind monatlich, mit einem enthaltenen Nutzungskontingent:
| Neocortex-Tarif | Preis | Enthalten |
|---|---|---|
| Starter | EUR 9/month | Persönliche und akademische Nutzung |
| Pro | EUR 29/month | Kommerzielle Nutzung, Gruppenchat, 5 eigene Stimmen |
| Team | EUR 99/month | 5 Plätze, Quiz-Engine, 20 eigene Stimmen |
Warum die Verbindungszeit im Spiel zählt
Bei einer Support-Hotline beginnt ein Anruf, der Agent spricht, und der Anruf endet. Verbindungszeit und Gesprächszeit sind fast dasselbe.
Spiele sind anders. Ein Spieler geht auf einen Wirt zu, stellt zwei Fragen und verbringt dann zwanzig Minuten damit, den Keller zu durchsuchen, bevor er zurückkommt. Bleibt die Verbindung des NPCs die ganze Zeit offen, wird alles davon berechnet.
Nehmen Sie ein Open-World-Spiel, in dem 1.000 Spieler jeweils eine Stunde in der Nähe eines redseligen NPCs verbringen, aber nur zehn Minuten wirklich mit ihm sprechen:
- Verbindung bleibt offen: 60.000 Minuten, etwa $4.500 zum Standard-Preis.
- Verbindung nur für Gespräche geöffnet: 10.000 Minuten, etwa $750.
Die zweite Zahl ist erreichbar, aber nur, wenn Ihr Client um jeden Austausch herum Verbindungen öffnet und schließt und schnell genug wieder verbindet, dass der Spieler es nicht merkt. Diese Logik müssen Sie selbst schreiben und testen. In der Praxis bedeutet das:
- Die Verbindung öffnen, wenn der Spieler in Gesprächsreichweite kommt oder eine Gesprächstaste drückt, nicht wenn die Szene lädt.
- Sie nach einer Stillezeit schließen, und für jeden NPC festlegen, wie lang diese Zeit sein soll.
- Den Gesprächskontext beim Wiederverbinden wiederherstellen, damit sich der Wirt noch an die Frage nach dem Kellerschlüssel erinnert.
- Die Wartezeit beim Wiederverbinden hinter einer Animation oder einer kurzen Zeile verbergen, damit der Spieler nie in Stille wartet.
Jede dieser Aufgaben ist ein kleines Feature. Alle vier bei jedem NPC-Typ richtig umzusetzen ist ein eigenes Projekt.
Was Sie über der Pipeline selbst bauen
Deepgram lässt Sie jedes bewegliche Teil konfigurieren: verwaltete LLMs von OpenAI, Anthropic, Google und NVIDIA oder Ihren eigenen OpenAI-kompatiblen Endpunkt; die Stimmen Flux und Aura von Deepgram oder verwaltetes Cartesia; und eigenes TTS von OpenAI, ElevenLabs, Cartesia oder Amazon Polly, mit Ausweichlösung zwischen Anbietern. Für einen Spiel-NPC bleibt bei Ihnen trotzdem:
- Ein Unity-Client. Die SDKs gibt es für Python, JavaScript, C# und Go. Ein Unity-Paket oder Beispiele gibt es nicht, also liegen Mikrofonaufnahme, Wiedergabe und der Lebenszyklus der Verbindung bei Ihnen.
- Die Figur. Persönlichkeit, Wissen, Tonfall und Leitplanken leben in Prompts und Konfigurationen, die Sie im Code pflegen.
- Der Spielzustand. Function Calling gibt Ihnen einen Einstiegspunkt, und aus den Aufrufen Türen öffnen, Gegenstände übergeben und Questfortschritte machen ist Ihre Arbeit.
- Stimmen. Eine geklonte Figurenstimme bedeutet ein eigenes Konto, einen eigenen Vertrag und eine eigene Rechnung bei einem Anbieter.
Wenn Sie bereits mit Deepgram prototypen
Der größte Teil Ihres Prototyps lässt sich übernehmen. Ihr System-Prompt wird zum Ausgangspunkt für die Figur: Hintergrund in den Agent-Knoten, Fakten und Lore in Knowledge (als Text oder PDF- und TXT-Dateien), Tonfall in Personality und eine Start-Emotion. Ihre Funktionsdefinitionen werden zu Intents und Actions, sodass Ihr Spiel statt einen Funktionsaufruf zu parsen einen Aktionsnamen und die ID des Objekts erhält, auf das sie zielt.
Auf der Client-Seite entfällt der eigene Socket-Code. Das Unity SDK, die Unreal-Engine-5-Integration, das Godot-Plugin oder die Web-API ersetzen ihn. Wenn Sie eine eigene TTS-Stimme verwenden, für die Sie die Rechte haben, klonen Sie sie aus einer kurzen Probe in Neocortex, damit die Figur gleich klingt.
Deepgram Voice Agent vs Neocortex: eine Entscheidungsmatrix
| Wenn Ihr Projekt braucht | Mit Deepgram Voice Agent | Mit Neocortex |
|---|---|---|
| Eine Unity-Integration | Einen Client auf dem C# SDK schreiben | Unity SDK, Unity 6, sechs Beispielszenen |
| Unreal oder Godot | Einen Client je Engine schreiben | Unreal Engine 5, Godot, Web-API |
| Designer, die Figuren bearbeiten | Prompts im Code | Visueller Knoten-Editor: Persönlichkeit, Emotion, Wissen, Intents, Aktionen |
| NPCs, die in der Welt handeln | Function Calling, das Sie selbst abbilden | Aktionen mit Ziel-IDs, Szenenobjekte, Emotions-Tags pro Zeile |
| Verzweigte Story-Momente | Ihre eigene Zustandsmaschine | Konversationsabläufe mit flowState-Checkpoints |
| Mehrere NPCs in einer Szene | Ein Agent pro Verbindung | Bis zu sechs Figuren in einem Gespräch (Pro und Team) |
| Eine eigene Stimme pro Figur | Eigenen TTS-Anbieter mitbringen | Stimmklonen und Stimmgestaltung eingebaut |
| Planbare monatliche Kosten | Pro Minute offener Verbindung | Monatliche Tarife mit Nutzungskontingent |
| Browser-Builds | Ihre eigene WebGL-Mikrofonbehandlung | Mikrofonunterstützung in Unity WebGL |
Unsere Einschätzung
Deepgram Voice Agent ist eine Sprachpipeline, die um Anrufe herum entworfen ist, die beginnen und enden. Deshalb wird nach Verbindungszeit abgerechnet, und die Figur bleibt Ihnen überlassen. Für ein Spiel bietet Neocortex Sprache ein und aus, das Sprachmodell, Stimmen und die Figur in einem Konto, mit Engine-SDKs und Spielaktionen. So zahlen Sie für Gespräche statt für offene Verbindungen, und Ihre Zeit fließt in den NPC statt in die Installation.
Die Angaben zu Deepgram wurden zuletzt im Oktober 2026 geprüft.
Häufig gestellte Fragen
Was kostet die Deepgram Voice Agent API?
Deepgram führt seine Standard-Stufe mit $0.075 pro Minute im Pay-as-you-go-Tarif auf, abgerechnet nach WebSocket-Verbindungszeit, mit niedrigeren Preisen, wenn Sie ein eigenes LLM oder TTS mitbringen. Neocortex nutzt monatliche Tarife mit einem Nutzungskontingent, von Starter mit EUR 9 im Monat bis Pro mit EUR 29 im Monat für kommerzielle Nutzung.
Hat Deepgram ein Unity-SDK?
Nein, seine Voice-Agent-SDKs decken Python, JavaScript, C# und Go ab, ohne Unity-Paket oder Beispiele. Neocortex hat ein Unity SDK für Unity 6 mit sechs Beispielszenen, dazu Unreal Engine 5, Godot und eine Web-API.
Kann Deepgram Voice Agent eine geklonte Stimme nutzen?
Die verwalteten Stimmen stammen aus den eigenen TTS-Modellen von Deepgram und aus verwaltetem Cartesia. Eine geklonte Stimme bedeutet daher, ein eigenes Konto bei einem Anbieter mitzubringen. Neocortex enthält Stimmklonen und Stimmgestaltung, mit 5 eigenen Stimmen im Pro-Tarif und 20 im Team-Tarif.
Ist Deepgram Voice Agent für Spiel-NPCs gemacht?
Es ist eine allgemeine Sprach-Agent-Pipeline für Einsatzzwecke wie Support-Hotlines. Figurendesign, Spielzustand und Engine-Clients bauen Sie selbst. Neocortex ist für Spielfiguren gemacht, mit einem visuellen Editor, Spielaktionen und Engine-SDKs.






