Neocortex Logo

NPC de voz: API Realtime de OpenAI frente a Neocortex

Puedes conectar la API Realtime de OpenAI a Unity por tu cuenta. Aquí está todo lo que implica esa construcción y cuándo una plataforma lista para juegos como Neocortex te ahorra semanas.

Neocortex TeamThe team behind Neocortex

· Actualizado el 20 oct 2026 · 5 min de lectura

Puedes conectar la API Realtime de OpenAI a Unity por tu cuenta. Aquí está todo lo que implica esa construcción y cuándo una plataforma lista para juegos como Neocortex te ahorra semanas.

Un viernes por la noche conectas un micrófono a gpt-realtime-2.1, escribes un prompt de sistema para un herrero gruñón, y el domingo te está insultando en voz alta por tus elecciones de armadura. Parece terminado. No lo está.

Los modelos de voz a voz hacen que una demo de NPC con voz sea cosa de una tarde. Llevar ese NPC a los jugadores lleva mucho más, y casi nada del trabajo extra tiene que ver con el modelo. Esta entrada expone lo que implica construir NPC con voz directamente sobre la API Realtime de OpenAI en Unity, y dónde encaja Neocortex.

Lo que ofrece la API Realtime

  • Modelos de voz a voz, liderados por gpt-realtime-2.1, con esfuerzo de razonamiento configurable, llamadas a funciones y una ventana de contexto de 128K.
  • Conexiones por WebRTC para navegadores y móviles, WebSocket desde un servidor, y SIP para llamadas telefónicas.
  • Secretos de cliente de corta duración que tu servidor crea para cada sesión, para que la clave de API no salga del cliente.
  • Voces integradas, diez en total. La voz no puede cambiar una vez que el modelo ha hablado en una sesión.
  • Voces personalizadas a partir de grabaciones, limitadas a clientes elegibles que contactan con las ventas de OpenAI, con una grabación de consentimiento del titular de la voz.
  • Precio por tokens para audio y texto, de entrada y de salida.
  • Sesiones limitadas a 60 minutos.
  • SDK oficiales para JavaScript, Python, .NET, Java, Go y Ruby. El soporte de Unity viene de bibliotecas de la comunidad.

Construirlo tú con OpenAI Realtime frente a Neocortex

Construirlo tú con OpenAI RealtimeNeocortex
Cliente de UnityEscríbelo tú, o adopta una biblioteca de la comunidadSDK de Unity, Unity 6, seis escenas de ejemplo
Gestión de sesionesServidor de secretos de cliente, reconectar antes de 60 minutosSin límite de sesión: cada turno es una llamada de API separada
Diseño del personajePrompts en el códigoEditor visual de nodos
VozVoces integradas; voces personalizadas para clientes elegiblesClonación y diseño de voz en Pro y Team
Acciones de juegoConecta las llamadas a funcionesAcciones con IDs de destino y objetos de escena integrados
Estructura de la historiaTu propia máquina de estadosFlujos de conversación con puntos de control flowState
MotoresLo que construyasUnity, Unreal Engine 5, Godot, Web API
Elección de modeloModelos de OpenAIGestionado por nosotros, más modelos locales a través de Ollama en Unity para prototipos de chat de texto
CosteTokens de audio y textoPlanes mensuales con un cupo de uso

Las ocho cosas que construirías tú mismo

Para llevar un NPC con voz sobre la API Realtime, tu equipo se encarga de:

  1. Un cliente de audio para Unity que capture el micrófono, lo envíe en streaming y reproduzca la respuesta sin cortes, incluso en compilaciones WebGL, donde Unity no tiene entrada de micrófono integrada.
  2. Un pequeño backend que autentica a los jugadores y crea un secreto de cliente por sesión, porque tu clave de API nunca puede llegar a una compilación del juego.
  3. El diseño del personaje como prompts, mantenido coherente en cada actualización del modelo y con cada guionista que los toque.
  4. El ciclo de vida de la sesión: reconectar antes del límite de 60 minutos y llevar la conversación a través del corte.
  5. La integración con el juego, para que las llamadas a funciones se conviertan en acciones sobre los objetos correctos de tu escena.
  6. Barreras de protección, para que el herrero siga siendo herrero cuando los jugadores intenten convertirlo en otra cosa.
  7. Control de costes, ya que cada segundo de audio de entrada y salida se factura en tokens.
  8. Mantenimiento cada vez que cambian los modelos, los precios o las APIs, en todos los motores en los que publiques.

Nada de eso es imposible. Todo eso es tiempo que no dedicas a tu juego.

Un NPC tendero, construido de las dos formas

Imagina que el jugador entra en una tienda y le pide al dueño una poción de curación. El dueño debería responder en personaje, sonar molesto si el jugador fue grosero antes, y entregarle el objeto de verdad.

Con la API Realtime

Escribes un prompt que describe al tendero y el stock de la tienda, y defines una función give_item. Tu backend crea un secreto de cliente, tu cliente de Unity abre la sesión, envía la voz del jugador y reproduce la respuesta. Cuando el modelo llama a give_item, tu código encuentra la poción y la mueve al inventario. Para el humor del tendero, registras la grosería en el estado del juego y la inyectas en el prompt, y luego añades una señal de animación analizando el texto o pidiendo al modelo una salida estructurada. Si la voz debe ser única para este personaje, compruebas si cumples los requisitos para voces personalizadas.

Con Neocortex

Construyes al tendero en el editor visual: Personality y una Emotion inicial para el temperamento, Knowledge para la lista de stock, un Intent para comprar y una Action para entregar un objeto. Clonas o diseñas una voz para él. En Unity, tu juego envía los objetos cercanos y los eventos recientes, incluido el comentario grosero del jugador. La respuesta llega como líneas con una etiqueta de emoción, para que el animador sepa que está molesto, más una acción como { "name": "GIVE_ITEM", "targetId": "potion_01" } que tu juego ejecuta. Pruebas todo el intercambio en el navegador primero.

Ambas versiones usan un modelo capaz. La diferencia está en dónde vive el tendero: en una cadena de prompt y código de unión que mantienen tus ingenieros, o en un personaje que un diseñador puede abrir, leer y cambiar sin tocar la compilación.

Construye el juego, no la tubería

El coste real de la ruta de construirlo tú aparece después del lanzamiento. Una actualización del modelo cambia la forma en que el herrero se expresa, un cambio de precio altera tus márgenes y una nueva versión de Unity rompe la biblioteca de la comunidad de la que dependías. Cada una cae sobre tu equipo, normalmente mientras estás ocupado con otra cosa.

La API Realtime es un modelo alrededor del que construyes una pila de voz. Neocortex es la pila de voz, con el personaje, los SDK de motor y los enganches de jugabilidad ya en su sitio, mantenida por nosotros a medida que cambian los modelos y las APIs. Los diseñadores editan la personalidad, la emoción, el conocimiento, los intents y las acciones como nodos en un grafo en lugar de un prompt enterrado en el código, y tus ingenieros dedican sus semanas al juego.

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

Preguntas frecuentes

¿La API Realtime de OpenAI tiene un SDK para Unity?

No. Los SDK oficiales de OpenAI cubren JavaScript, Python, .NET, Java, Go y Ruby, y el soporte de Unity viene de bibliotecas de la comunidad. Neocortex tiene un SDK para Unity 6 con seis escenas de ejemplo, además de Unreal Engine 5, Godot y una Web API.

¿Cuánto puede durar una sesión de la API Realtime de OpenAI?

Las sesiones Realtime se limitan a 60 minutos, así que las sesiones largas de juego necesitan lógica de reconexión y una forma de trasladar el contexto. Con Neocortex, cada turno es una llamada de API separada y el SDK lo gestiona, así que no hay sesión que caduque, y trabajas con respuestas y acciones.

¿La API Realtime de OpenAI admite voces personalizadas?

Las voces personalizadas a partir de grabaciones se limitan a clientes elegibles que pasan por las ventas de OpenAI; el resto elige entre las voces integradas. Neocortex te permite clonar una voz a partir de una muestra corta de la que tengas los derechos, o diseñar una a partir de una descripción de texto, con 5 voces personalizadas en Pro y 20 en Team.

¿Cómo se fija el precio de la API Realtime de OpenAI?

Por tokens de texto y audio de entrada y de salida, así que cada segundo de voz suma a la factura. Los planes de Neocortex son mensuales con un cupo de uso.

Artículos similares

Sigue leyendo