Neocortex Logo

Crear NPC de juego con la API Gemini Live o usar Neocortex

La API Gemini Live gestiona voz en tiempo real, pero su soporte para Unity sigue en vista previa. Qué implica crear NPC con ella y dónde encaja Neocortex.

Neocortex TeamThe team behind Neocortex

· Actualizado el 20 oct 2026 · 5 min de lectura

La API Gemini Live gestiona voz en tiempo real, pero su soporte para Unity sigue en vista previa. Qué implica crear NPC con ella y dónde encaja Neocortex.

Un NPC con Gemini Live puede hablar unos diez minutos. Después, la conexión se cierra.

La API Gemini Live de Google transmite audio a un modelo y de vuelta por un WebSocket con estado, y para los desarrolladores de juegos resulta tentadora: apuntas un micrófono hacia ella, le das una personalidad y tienes un NPC que habla. Los problemas empiezan en los extremos, con los límites de sesión, una ruta para Unity que sigue en vista previa y todo lo que un juego necesita además de una voz. Esto es lo que implica crear NPC con ella, y dónde encaja Neocortex.

Límites de sesión con los que hay que contar

Google documenta tres límites que condicionan cualquier integración de Gemini Live. A los jugadores no les importa ninguno, y por eso tu código tiene que tenerlos en cuenta.

Sesiones de audio de 15 minutos

Sin compresión de la ventana de contexto, las sesiones solo de audio están limitadas a 15 minutos, y las de audio y vídeo a 2 minutos. La compresión usa una ventana deslizante para alargar una sesión indefinidamente, a costa de que el modelo vaya perdiendo poco a poco las partes más antiguas de la conversación. Para un compañero que debe recordar el inicio de la misión, eso es una decisión de diseño, no un ajuste.

Conexiones de 10 minutos

Por otro lado, una conexión dura unos 10 minutos. Cuando termina, la sesión también termina, salvo que la reanudes. En un juego, eso significa reconectar a mitad de una conversación, y el jugador nunca debería notar la costura.

Identificadores de reanudación

Para sobrevivir a una reconexión, activas la reanudación de sesión. El servidor envía identificadores y tú pasas el más reciente al reconectar. Los identificadores siguen siendo válidos 2 horas después de que termine una sesión. Si añades tokens efímeros, que Google recomienda para apps cliente, también necesitas un backend que emita credenciales de corta duración para el cliente de cada jugador.

Soporte para Unity mediante Firebase AI Logic

La vía de Google hacia Unity es Firebase AI Logic. Su soporte para la Live API está en vista previa: sin SLA, sin política de retirada y puede "cambiar de forma incompatible con versiones anteriores". El SDK de Unity tiene ejemplos de código en C#, pero su inicio rápido de Live API para Unity sigue marcado como "próximamente".

La lista de modelos es más reducida que la de la propia API de Gemini. Con la API para desarrolladores de Gemini, Firebase enumera Gemini 3.1 Flash Live Preview y las vistas previas de audio nativo de Gemini 2.5. Con la plataforma empresarial de agentes de Google (antes Vertex AI), enumera los modelos Live de Gemini 2.5 y ningún modelo Live de la serie 3.x. Gemini 3.8 Live, el modelo Live más nuevo de la API de Gemini, no aparece en ninguna de las dos listas.

Así que un equipo de Unity elige entre un SDK en vista previa con modelos más antiguos, o su propio cliente WebSocket contra la API directa.

Lo que cuesta Gemini Live

Los modelos Live cobran por token, con equivalentes por minuto publicados para el audio. En el plan de pago, la entrada de audio cuesta 3,00 $ por millón de tokens (unos 0,005 $ por minuto) y la salida de audio cuesta 12,00 $ por millón de tokens (unos 0,018 $ por minuto).

A esas tarifas, sesenta minutos de voz del jugador más sesenta minutos de voz del NPC cuestan unos 1,38 $ solo en audio, antes de los tokens de texto, los tokens de razonamiento o las llamadas a herramientas. Las conversaciones reales tienen pausas, así que la mayoría cuesta menos, pero la factura sigue creciendo con lo mucho que disfrutan hablando tus jugadores.

Hay un nivel gratuito. La página de precios de Google indica que el contenido del nivel gratuito se usa para mejorar sus productos, lo que importa si los jugadores cuentan cosas personales a tus personajes.

Los planes de Neocortex son mensuales, con una cuota de uso. Starter cuesta 9 € al mes para proyectos personales y académicos, y Pro, a 29 € al mes, añade uso comercial, chat grupal y 5 voces personalizadas.

Gemini Live frente a Neocortex

Desarrollo propio con Gemini LiveNeocortex
UnityVista previa de Firebase AI Logic, lista de modelos limitadaSDK de Unity, Unity 6, seis escenas de ejemplo
Otros motoresCrea tu propio clienteUnreal Engine 5, Godot, Web API
SesionesSesiones de 15 minutos, conexiones de 10 minutos, identificadores de reanudaciónSin límite de sesión: cada turno es una llamada API separada
Diseño del personajePrompts en el códigoEditor visual de nodos
VocesVoces prediseñadas de GoogleClonación y diseño de voz
Acciones del juegoConectas las llamadas a funcionesAcciones con IDs de destino y objetos de escena integrados
Varios personajesLo construyes túHasta seis personajes en una misma conversación (Pro y Team)
IA localNoModelos locales mediante Ollama en Unity para prototipos de chat de texto

¿API de modelo o plataforma de personajes?

Son dos enfoques distintos, cada uno con sus compromisos.

Construir sobre una API de modelo te da acceso directo a los modelos más nuevos y control total de cada solicitud. También heredas todos los límites de arriba, y escribes el cliente del motor, el backend de tokens, la lógica de reconexión, los prompts de los personajes y la integración con el juego. Cuando cambian la lista de modelos o la API, lo actualizas todo tú.

Usar una plataforma de personajes te da menos control sobre el modelo en bruto y más de lo que necesita un juego. En Neocortex, la personalidad, la emoción, el conocimiento, las intenciones y las acciones son nodos de un grafo visual que un diseñador puede editar. Cada respuesta llega con una etiqueta de emoción por línea y con acciones como { "name": "OPEN_DOOR", "targetId": "door_02" }. Los Conversation Flows informan de palabras clave de punto de control (flowState) a medida que avanza la historia. La entrada por micrófono funciona en las compilaciones WebGL de Unity.

Para la mayoría de equipos de juegos, la segunda opción es la que llega a publicarse. Consulta nuestra visión general de APIs de voz en tiempo real para NPC de juegos para ver cómo se comparan las otras APIs de voz en los mismos puntos.

Siguientes pasos

  1. Crea una cuenta en Neocortex.
  2. Crea un NPC en el editor y dale una voz clonada o diseñada.
  3. Háblale en el navegador hasta que suene bien.
  4. Instala el SDK de Unity, abre una escena de ejemplo y escucha cómo responde el personaje dentro de tu juego, sin código de gestión de sesiones que escribir.

Los datos de Google se revisaron por última vez en octubre de 2026.

Preguntas frecuentes

¿Funciona la API Gemini Live en Unity?

A través de Firebase AI Logic, cuyo soporte para la Live API está en vista previa, sin SLA, y cuyo inicio rápido para Unity sigue marcado como "próximamente". Neocortex tiene un SDK de Unity para Unity 6 con seis escenas de ejemplo, además de Unreal Engine 5, Godot y una Web API.

¿Cuánto puede durar una sesión de Gemini Live?

Las sesiones solo de audio se detienen a los 15 minutos y las conexiones a unos 10 minutos, salvo que añadas compresión de la ventana de contexto y reanudación de sesión. Con Neocortex, cada turno es una llamada API separada y el SDK lo gestiona, así que no hay una sesión que se agote con tu personaje, y no tienes que escribir lógica de reanudación.

¿Es gratuita la API Gemini Live?

Hay un nivel gratuito, y la página de precios de Google dice que el contenido del nivel gratuito se usa para mejorar sus productos; el audio de salida de pago se factura por token.

¿Qué modelos de Gemini Live puede usar un juego de Unity?

Firebase AI Logic enumera Gemini 3.1 Flash Live Preview y los modelos de audio nativo de Gemini 2.5, no el más nuevo Gemini 3.8 Live. Neocortex gestiona el modelo por ti, así que tus personajes no dependen de qué vista previa admite tu SDK.

Artículos similares

Sigue leyendo