API de voix temps réel pour les PNJ de jeu : comparatif 2026
OpenAI Realtime, Gemini Live, ElevenLabs Agents, Deepgram, Amazon Nova Sonic et Hume EVI comparés pour des personnages de jeu dotés de voix, et ce qu'il faut encore construire par-dessus.
Neocortex TeamThe team behind Neocortex
· Mis à jour le 20 oct. 2026 · 7 min de lecture

Hume a annoncé l'arrêt de ses API de voix EVI et TTS, et tous les développeurs qui ont construit un personnage parlant dessus doivent maintenant migrer. C'est un rappel utile : une API de voix temps réel n'est qu'une couche d'un personnage de jeu, et cette couche peut changer sous vos pieds.
Les modèles de voix temps réel sont assez bons pour qu'une démo de PNJ parlant se monte en une après-midi. Choisir l'API sur laquelle bâtir un jeu est plus difficile, car la plupart ont été conçues pour le service client, et non pour les jeux. Voici comment les principales API de voix temps réel se comparent pour les PNJ de jeu, et ce que vous construisez au-dessus de chacune.
Quelles API de voix temps réel peuvent faire parler un PNJ de jeu ?
OpenAI Realtime. Parole en entrée et en sortie via WebRTC ou WebSocket, facturé selon les tokens audio et texte. Une session s'arrête au bout de 60 minutes. Il n'existe pas de SDK Unity officiel : le client audio et le serveur de tokens sont à construire vous-même.
Gemini Live. L'API temps réel de Google, également facturée au token. Une connexion WebSocket dure environ 10 minutes, et la reprise de session permet à un client de se reconnecter et de poursuivre. L'accès à Unity passe par Firebase AI Logic, dont le SDK Unity est en préversion.
ElevenLabs Agents. Une plateforme d'agents axée sur la voix, facturée à la minute, le modèle de langage étant facturé en plus. La concurrence dépend de votre forfait. ElevenLabs propose des SDK officiels pour le web et les frameworks mobiles, ainsi qu'un SDK Unity en phase de démarrage qui peut changer sans préavis.
Deepgram Voice Agent. Facturation à la minute, avec la possibilité d'apporter votre propre modèle de langage ou votre propre TTS. Il existe un SDK C#, mais pas de paquet Unity, et la concurrence dépend de votre forfait.
Amazon Nova Sonic. Parole vers parole sur Amazon Bedrock, facturé au token, avec des connexions limitées à 8 minutes, après quoi vous ouvrez une nouvelle connexion et lui retransmettez l'historique. Il vise les centres de contact et n'a pas de SDK Unity.
Hume EVI. Arrêt prévu en même temps que l'API TTS de Hume. Si vous avez livré sur cette API, planifiez la migration dès maintenant, car les identifiants de voix et les configurations ne se transfèrent pas vers d'autres fournisseurs.
Comment se comparent-elles ?
| API | Statut | Prise en charge Unity | Base de tarification | Limites de session |
|---|---|---|---|---|
| OpenAI Realtime | Active | Pas de SDK officiel | Tokens audio et texte | Sessions de 60 minutes |
| Gemini Live | Active | Firebase AI Logic, en préversion | Tokens audio et texte | Connexions d'environ 10 minutes, reprenables |
| ElevenLabs Agents | Active | SDK officiel en phase de démarrage | À la minute plus LLM | Concurrence selon le forfait |
| Deepgram Voice Agent | Active | Pas de paquet, SDK C# | À la minute | Concurrence selon le forfait |
| Amazon Nova Sonic | Active | Non | Tokens | Connexions de 8 minutes |
| Hume EVI | Arrêt prévu | Non | Plus pertinent | Migrer maintenant |
Que vous laisse à construire une API de voix ?
Aucune de ces API n'est un personnage de jeu. Avec l'une d'elles, il vous faut encore construire :
- Un client audio pour le moteur. Capture, encodage, lecture et interruption dans Unity ou Unreal, y compris sous WebGL, où la classe microphone intégrée d'Unity ne fonctionne pas.
- Un backend qui délivre des tokens à courte durée de vie, afin que les clés secrètes ne se retrouvent jamais dans le build du jeu, où les joueurs pourraient les extraire.
- Le personnage. La personnalité, les connaissances, la mémoire et les garde-fous, écrits et entretenus sous forme de prompts.
- La gestion des sessions. Se reconnecter avant les limites de temps, conserver le contexte d'une connexion à l'autre, et se rétablir quand le réseau d'un joueur coupe au milieu d'une phrase.
- L'intégration au jeu. Transformer les appels de fonction en actions, et renvoyer l'état de la scène pour que le personnage sache ce que regarde le joueur.
- La maîtrise des coûts pour une facturation à la minute ou au token, y compris ce qui se passe quand un joueur laisse le micro ouvert.
- La maintenance, à mesure que les modèles, les prix et les API évoluent, sont renommés ou s'arrêtent.
Pour une petite équipe, les points 1, 2 et 4 à eux seuls représentent des semaines de travail avant que la première réplique sonne juste.
Combien coûte un PNJ vocal en exploitation ?
Deux modes de facturation dominent. La facturation au token (OpenAI, Gemini, Nova Sonic) facture l'audio en entrée et en sortie, si bien que les longues réponses et les longs historiques coûtent davantage au fil de la conversation. La facturation à la minute (ElevenLabs, Deepgram) facture le temps de connexion, donc le silence pendant qu'un joueur lit un menu compte aussi, sauf si vous fermez la session.
Dans les deux cas, le coût suit la quantité de paroles des joueurs, et non le nombre de joueurs. Un jeu où un PNJ est un compagnon permanent se comporte très différemment d'un jeu où les joueurs discutent trente secondes avec un marchand. Modélisez-le avant le lancement, en ajoutant le modèle de langage là où il est facturé à part.
Neocortex propose des forfaits mensuels fixes avec une enveloppe d'usage : Starter (EUR 9, usage personnel et académique), Pro (EUR 29, usage commercial) et Team (EUR 99, cinq sièges).
Comment quitter une API vocale qui s'arrête ?
Si vous quittez Hume EVI, ou si vous voulez un plan pour le jour où une autre API changera, le passage à Neocortex se déroule ainsi :
- Exportez ce que vous avez. Téléchargez les audios, les transcriptions et les journaux, et copiez le prompt système et les réglages de voix de chaque personnage avant la fin de l'accès.
- Reconstruisez chaque personnage dans l'éditeur. Le prompt système se répartit entre le nœud Agent (qui il est), les nœuds Personality et Emotion (comment il réagit) et un fichier Knowledge (ce qu'il sait).
- Recréez la voix. Clonez-la à partir d'un échantillon sur lequel vous avez des droits, ou décrivez-la par des mots et utilisez la création de voix.
- Remplacez le client. Remplacez votre code audio WebSocket par le SDK Neocortex de votre moteur, ou par l'API web pour tout le reste.
- Associez les outils aux actions. Chaque appel de fonction que vous gériez devient une action que votre jeu exécute lorsqu'elle apparaît dans une réponse.
API vocale ou plateforme de personnages ?
Neocortex se situe un niveau au-dessus. Au lieu d'une API de voix, vous obtenez le personnage complet : conçu dans un éditeur visuel, doté d'une voix clonée ou créée, et livré via des SDK pour Unity, Unreal et Godot, ou via l'API web.
| API vocale | Neocortex | |
|---|---|---|
| SDK pour le moteur | En général, à construire soi-même | Unity, Unreal, Godot |
| Micro WebGL | À construire soi-même | Inclus dans le SDK Unity |
| Conception du personnage | Prompts | Éditeur de nœuds visuel avec Personality, Emotion, Knowledge et plus |
| Voix | Voix prédéfinies du fournisseur | Clonage et création de voix (5 sur Pro, 20 sur Team) |
| Actions de jeu | Brancher les appels de fonction | Actions et interactifs intégrés |
| Structure narrative | À construire soi-même | Conversation Flows avec points de contrôle flowState |
| Changements du fournisseur | Votre problème | Notre problème |
En résumé
Chacune de ces API n'est qu'une couche d'un PNJ parlant, et l'arrêt de Hume montre à quelle vitesse une couche peut disparaître. Neocortex est le personnage complet : parole diffusée en entrée et en sortie, une voix qui vous appartient, des actions que votre jeu exécute, et des SDK pour le moteur qui gèrent déjà l'audio. Construisez un personnage et entendez-le parler dans votre scène.
Comparatifs détaillés
- OpenAI Realtime API vs Neocortex
- Gemini Live API vs Neocortex
- ElevenLabs Agents pour les PNJ de jeu
- Deepgram Voice Agent vs Neocortex
- Amazon Nova Sonic vs Neocortex
- Hume EVI s'arrête
Les détails des API ont été vérifiés pour la dernière fois en octobre 2026.
Questions fréquentes
Hume EVI s'arrête-t-il ?
Oui. Hume met fin à ses API EVI et TTS le 13 novembre 2026, et supprime les données de compte après cette date. Neocortex vous fournit la reconnaissance vocale en flux, la synthèse vocale et des voix personnalisées dans le cadre d'un personnage complet, avec des SDK pour Unity, Unreal et Godot.
L'API OpenAI Realtime dispose-t-elle d'un SDK Unity ?
Non, OpenAI ne fournit pas de SDK Unity officiel : vous construisez donc le client audio, le serveur de tokens et la logique de reconnexion. Neocortex propose un SDK Unity pour Unity 6 avec six scènes d'exemple et la prise en charge du micro dans les builds WebGL.
Combien de temps peut durer une session vocale temps réel ?
Cela varie : les sessions OpenAI Realtime se terminent au bout de 60 minutes, les connexions Gemini Live durent environ 10 minutes sauf reprise, et les connexions Nova Sonic durent 8 minutes. Avec Neocortex, le SDK gère la conversation et vous envoyez chaque réplique du joueur au fil de l'eau.
Quelle API vocale est la moins chère pour les PNJ de jeu ?
Les API facturées au token et celles facturées à la minute évoluent toutes deux avec la quantité de paroles des joueurs, et le modèle de langage est souvent facturé en plus. Neocortex propose des forfaits mensuels fixes avec une enveloppe d'usage.
Puis-je utiliser une voix personnalisée pour un PNJ ?
La plupart des API vocales proposent des voix prédéfinies, et le clonage est souvent un produit séparé. Sur Neocortex, vous pouvez cloner une voix à partir d'un court échantillon sur lequel vous avez des droits, ou en créer une à partir d'une description textuelle : 5 voix personnalisées sur Pro et 20 sur Team.






