Deepgram Voice Agent para NPC de juegos frente a Neocortex
La API Voice Agent de Deepgram agrupa voz a texto, un LLM y TTS con una tarifa por minuto. Cómo se compara con Neocortex para personajes de juego con voz.
Neocortex TeamThe team behind Neocortex
· Actualizado el 20 oct 2026 · 5 min de lectura

La API Voice Agent de Deepgram puede dar voz a un NPC de juego, pero pagas por cada minuto que la conexión está abierta y tú construyes el personaje y el cliente del motor. Neocortex incluye el mismo flujo de voz con herramientas para personajes y SDK para motores, con planes mensuales.
Deepgram es una empresa de reconocimiento de voz. Su API Voice Agent ejecuta voz a texto, un modelo de lenguaje y texto a voz sobre una sola conexión WebSocket, con llamadas a funciones y una elección de proveedores en cada paso. Esto es lo que cuesta y lo que implica en un juego, y cómo se comparan ambas opciones.
Costes de un vistazo
Deepgram publica tarifas por minuto "calculadas en función del tiempo de conexión WebSocket". La columna de pago por uso:
| Nivel de Deepgram Voice Agent | Por minuto |
|---|---|
| Standard | 0,075 $ |
| Standard, con tu propio TTS | 0,065 $ |
| Custom, con tu propio LLM | 0,065 $ |
| Custom, con tu propio LLM y TTS | 0,050 $ |
| Advanced | 0,163 $ |
Los precios de Growth bajan cada tarifa. Traer tu propio LLM o TTS también significa pagar a ese proveedor por separado.
Los planes de Neocortex son mensuales, con una cuota de uso incluida:
| Plan de Neocortex | Precio | Incluye |
|---|---|---|
| Starter | 9 €/mes | Uso personal y académico |
| Pro | 29 €/mes | Uso comercial, chat de grupo, 5 voces personalizadas |
| Team | 99 €/mes | 5 puestos, motor de preguntas, 20 voces personalizadas |
Por qué importa el tiempo de conexión en un juego
En una línea de atención al cliente, una llamada empieza, el agente habla y la llamada termina. El tiempo de conexión y el tiempo de conversación son casi lo mismo.
Los juegos son distintos. Un jugador se acerca a un posadero, le hace dos preguntas y luego pasa veinte minutos saqueando la bodega antes de volver. Si la conexión del NPC sigue abierta todo ese tiempo, todo se factura.
Imagina un juego de mundo abierto donde 1.000 jugadores pasan cada uno una hora cerca de un NPC muy parlanchín, pero solo hablan con él diez minutos:
- Conexión abierta todo el tiempo: 60.000 minutos, unos 4.500 $ a la tarifa Standard.
- Conexión abierta solo para las conversaciones: 10.000 minutos, unos 750 $.
La segunda cifra es alcanzable, pero solo si tu cliente abre y cierra conexiones alrededor de cada intercambio, y se reconecta lo bastante rápido como para que el jugador no lo note. Esa lógica la escribes y pruebas tú. En la práctica significa:
- Abrir el socket cuando el jugador entra en el alcance de conversación o pulsa una tecla de hablar, no cuando se carga la escena.
- Cerrarlo tras un tiempo de silencio, y decidir cuánto debe durar ese tiempo para cada NPC.
- Restaurar el contexto de la conversación al reconectar, para que el posadero siga recordando la pregunta sobre la llave de la bodega.
- Ocultar el retraso de reconexión tras una animación o una frase breve, para que el jugador nunca espere en silencio.
Cada una de estas cosas es una pequeña función. Acertar las cuatro en todos los tipos de NPC es un sprint aparte.
Lo que construyes sobre el flujo
Deepgram te deja configurar cada pieza: LLM gestionados de OpenAI, Anthropic, Google y NVIDIA, o tu propio endpoint compatible con OpenAI; las voces Flux y Aura de Deepgram o Cartesia gestionado; y TTS propio de OpenAI, ElevenLabs, Cartesia o Amazon Polly, con respaldo entre proveedores. Para un NPC de juego, sigues siendo responsable de:
- Un cliente de Unity. Los SDK son de Python, JavaScript, C# y Go. No hay paquete ni ejemplo para Unity, así que la captura del micrófono, la reproducción y el ciclo de vida del socket son tuyos.
- El personaje. La personalidad, el conocimiento, el tono y las reglas viven en prompts y configuración que mantienes en código.
- El estado del juego. Las llamadas a funciones te dan un punto de enganche, y convertir esas llamadas en puertas que se abren, objetos que se entregan y actualizaciones de misiones es trabajo tuyo.
- Las voces. Una voz clonada para un personaje implica una cuenta, un contrato y una factura aparte con el proveedor.
Si ya hiciste un prototipo con Deepgram
La mayor parte del prototipo se conserva. Tu prompt de sistema se convierte en el punto de partida del personaje: el trasfondo, en el nodo Agent; los hechos y el lore, en Knowledge (como archivos de texto, PDF o TXT); el tono, en Personality y una Emotion inicial. Tus definiciones de funciones se convierten en Intents y Actions, así que en lugar de analizar una llamada a función, tu juego recibe un nombre de acción y el ID del objeto al que afecta.
En el lado del cliente, el código de socket personalizado desaparece. El SDK de Unity, la integración de Unreal Engine 5, el plugin de Godot o la Web API lo reemplazan. Si usaste una voz de TTS propio sobre la que tienes derechos, clónala a partir de una muestra corta en Neocortex para que el personaje suene igual.
Deepgram Voice Agent frente a Neocortex: matriz de decisión
| Si tu proyecto necesita | Con Deepgram Voice Agent | Con Neocortex |
|---|---|---|
| Una integración con Unity | Escribir un cliente sobre el SDK de C# | SDK de Unity, Unity 6, seis escenas de ejemplo |
| Unreal o Godot | Escribir un cliente por motor | Unreal Engine 5, Godot, Web API |
| Diseñadores que editen personajes | Prompts en código | Editor visual de nodos: personalidad, emoción, conocimiento, intenciones, acciones |
| NPC que actúan en el mundo | Llamadas a funciones que mapeas tú | Acciones con ID de objetivo, objetos de escena, etiquetas de emoción por línea |
| Momentos de historia con ramificaciones | Tu propia máquina de estados | Flujos de conversación con puntos de control flowState |
| Varios NPC en una escena | Un agente por conexión | Hasta seis personajes en una conversación (Pro y Team) |
| Una voz única por personaje | Traer tu propio proveedor de TTS | Clonación y diseño de voces incluidos |
| Coste mensual previsible | Por minuto de conexión abierta | Planes mensuales con cuota de uso |
| Compilaciones para navegador | Tu propio manejo del micrófono en WebGL | Soporte de micrófono en Unity WebGL |
Nuestra opinión
Deepgram Voice Agent es un flujo de voz diseñado en torno a llamadas que empiezan y terminan, por eso factura por tiempo de conexión y deja el personaje en tus manos. Para un juego, Neocortex te da voz de entrada y salida, el modelo de lenguaje, las voces y el personaje en una sola cuenta, con SDK de motor y acciones de juego. Así pagas por conversaciones en lugar de por sockets abiertos, y dedicas tu tiempo al NPC en lugar de a la tubería.
Los datos de Deepgram se revisaron por última vez en octubre de 2026.
Preguntas frecuentes
¿Cuánto cuesta la API Voice Agent de Deepgram?
Deepgram ofrece su nivel Standard a 0,075 $ por minuto con pago por uso, facturado por tiempo de conexión WebSocket, con tarifas más bajas si traes tu propio LLM o TTS. Neocortex usa planes mensuales con cuota de uso, desde Starter a 9 € al mes hasta Pro a 29 € al mes para uso comercial.
¿Tiene Deepgram un SDK para Unity?
No. Sus SDK de Voice Agent cubren Python, JavaScript, C# y Go, sin paquete ni ejemplos para Unity. Neocortex tiene un SDK para Unity 6 con seis escenas de ejemplo, además de Unreal Engine 5, Godot y una Web API.
¿Puede Deepgram Voice Agent usar una voz clonada?
Sus voces gestionadas vienen de los modelos de TTS propios de Deepgram y de Cartesia gestionado, así que una voz clonada significa traer tu propia cuenta de proveedor. Neocortex incluye clonación y diseño de voces, con 5 voces personalizadas en Pro y 20 en Team.
¿Está Deepgram Voice Agent pensado para NPC de juegos?
Es un flujo de agente de voz general orientado a usos como las líneas de atención al cliente, y el diseño del personaje, el estado del juego y los clientes del motor son cosas que construyes tú. Neocortex está pensado para personajes de juego, con un editor visual, acciones de juego y SDK de motor.






