Realtime Voice API untuk NPC Game - Perbandingan 2026
OpenAI Realtime, Gemini Live, ElevenLabs Agents, Deepgram, Amazon Nova Sonic dan Hume EVI dibandingkan untuk karakter game yang bersuara, plus apa yang masih harus Anda bangun di atasnya.
Neocortex TeamThe team behind Neocortex
· Diperbarui 20 Okt 2026 · 7 menit baca

Hume telah mengumumkan penutupan API suara EVI dan TTS-nya, dan setiap developer yang membangun karakter yang bisa bicara di atasnya sekarang harus pindah. Ini pengingat yang berguna bahwa realtime voice API hanyalah satu lapisan dari karakter game, dan lapisan itu bisa berubah di bawah Anda.
Model suara realtime sudah cukup bagus sehingga demo NPC yang bicara bisa selesai dalam satu sore. Memilih API untuk membangun game di atasnya lebih sulit, karena kebanyakan dirancang untuk layanan pelanggan, bukan game. Berikut perbandingan API suara realtime utama untuk NPC game, dan apa yang Anda bangun di atas masing-masing.
API suara realtime mana yang bisa memberi suara pada NPC game?
OpenAI Realtime. Ucapan masuk dan ucapan keluar lewat WebRTC atau WebSocket, ditagih berdasarkan token audio dan teks. Sesi berakhir setelah 60 menit. Tidak ada Unity SDK resmi, jadi klien audio dan server token harus Anda bangun sendiri.
Gemini Live. API realtime dari Google, juga ditagih per token. Koneksi WebSocket bertahan sekitar 10 menit, dan session resumption memungkinkan klien terhubung kembali dan melanjutkan. Akses Unity dilakukan lewat Firebase AI Logic, yang Unity SDK-nya masih preview.
ElevenLabs Agents. Platform agen yang mengutamakan suara, ditagih per menit dengan model bahasa ditagih terpisah di atasnya. Konkurensi bergantung pada paket Anda. ElevenLabs mencantumkan SDK resmi untuk web dan framework mobile, serta Unity SDK tahap awal yang bisa berubah tanpa pemberitahuan.
Deepgram Voice Agent. Penagihan per menit dengan opsi membawa model bahasa atau TTS sendiri. Ada C# SDK tetapi tidak ada paket Unity, dan konkurensi bergantung pada paket Anda.
Amazon Nova Sonic. Speech-to-speech di Amazon Bedrock, ditagih per token, dengan koneksi dibatasi 8 menit, setelah itu Anda membuka koneksi baru dan mengirimkan kembali riwayatnya. API ini ditujukan untuk pusat kontak dan tidak punya Unity SDK.
Hume EVI. Akan ditutup bersama API TTS Hume. Jika Anda sudah merilis di atasnya, rencanakan migrasinya sekarang, karena ID suara dan konfigurasinya tidak bisa dipindahkan ke penyedia lain.
Bagaimana perbandingannya?
| API | Status | Dukungan Unity | Dasar harga | Batas sesi |
|---|---|---|---|---|
| OpenAI Realtime | Aktif | Tidak ada SDK resmi | Token audio dan teks | Sesi 60 menit |
| Gemini Live | Aktif | Firebase AI Logic, dalam preview | Token audio dan teks | Koneksi sekitar 10 menit, bisa dilanjutkan |
| ElevenLabs Agents | Aktif | SDK resmi tahap awal | Per menit plus LLM | Konkurensi berdasarkan paket |
| Deepgram Voice Agent | Aktif | Tidak ada paket, C# SDK | Per menit | Konkurensi berdasarkan paket |
| Amazon Nova Sonic | Aktif | Tidak ada | Token | Koneksi 8 menit |
| Hume EVI | Ditutup | Tidak ada | Tidak relevan sekarang | Pindah sekarang |
Apa yang masih harus Anda bangun setelah memakai API suara?
Tidak satu pun dari API ini adalah karakter game. Dengan salah satunya, Anda masih harus membangun:
- Klien audio engine. Penangkapan, encoding, pemutaran, dan interupsi di Unity atau Unreal, termasuk WebGL, tempat kelas mikrofon bawaan Unity tidak berfungsi.
- Backend yang menerbitkan token berumur pendek, agar secret key tidak pernah ikut dalam build game tempat pemain bisa mengambilnya.
- Karakternya. Kepribadian, pengetahuan, memori, dan batasan, yang ditulis dan dipelihara sebagai prompt.
- Penanganan sesi. Menyambung ulang sebelum batas waktu, membawa konteks melintasi koneksi, dan pulih ketika jaringan pemain putus di tengah kalimat.
- Integrasi game. Mengubah function call menjadi aksi, dan mengirim kembali status adegan agar karakter tahu apa yang sedang dilihat pemain.
- Kontrol biaya untuk penagihan per menit atau per token, termasuk apa yang terjadi saat pemain membiarkan mikrofon terbuka.
- Pemeliharaan saat model, harga, dan API berubah, diganti namanya, atau ditutup.
Untuk tim kecil, item 1, 2, dan 4 saja sudah memakan waktu berminggu-minggu sebelum baris dialog pertama terdengar benar.
Berapa biaya menjalankan NPC yang bersuara?
Ada dua bentuk penagihan yang dominan. Penagihan token (OpenAI, Gemini, Nova Sonic) menagih audio masuk dan audio keluar, sehingga balasan panjang dan riwayat yang panjang menjadi lebih mahal seiring percakapan bertambah. Penagihan menit (ElevenLabs, Deepgram) menagih waktu koneksi, sehingga diam saat pemain membaca menu tetap dihitung kecuali Anda menutup sesinya.
Dalam kedua kasus, biaya mengikuti seberapa banyak pemain berbicara, bukan berapa banyak pemain yang Anda miliki. Game tempat satu NPC menjadi teman terus-menerus berperilaku sangat berbeda dengan game tempat pemain mengobrol dengan pedagang selama tiga puluh detik. Modelkan sebelum peluncuran, dengan model bahasa ditambahkan di atasnya jika ditagih terpisah.
Neocortex memakai paket bulanan tetap dengan jatah pemakaian: Starter (EUR 9, penggunaan pribadi dan akademik), Pro (EUR 29, penggunaan komersial), dan Team (EUR 99, lima kursi).
Bagaimana cara pindah dari API suara yang akan ditutup?
Jika Anda meninggalkan Hume EVI, atau ingin punya rencana untuk hari ketika API lain berubah, pindah ke Neocortex kira-kira seperti ini:
- Ekspor apa yang Anda punya. Unduh audio, transkrip, dan log, dan salin system prompt serta pengaturan suara setiap karakter sebelum akses berakhir.
- Bangun ulang setiap karakter di editor. System prompt dibagi menjadi node Agent (siapa mereka), node Personality dan Emotion (cara mereka bereaksi), dan file Knowledge (apa yang mereka ketahui).
- Buat ulang suaranya. Kloning dari sampel yang Anda punya hak untuk memakainya, atau deskripsikan dengan kata-kata dan gunakan voice design.
- Ganti kliennya. Ganti kode audio WebSocket Anda dengan Neocortex SDK untuk engine Anda, atau Web API untuk hal lainnya.
- Petakan tool ke aksi. Setiap function call yang Anda tangani menjadi aksi yang dijalankan game Anda ketika muncul dalam sebuah balasan.
API suara atau platform karakter?
Neocortex berada satu tingkat di atas. Alih-alih API suara, Anda mendapatkan seluruh karakter: didesain di editor visual, diberi suara hasil kloning atau desain, dan disampaikan lewat SDK untuk Unity, Unreal, dan Godot, atau Web API.
| API suara | Neocortex | |
|---|---|---|
| SDK engine | Biasanya bangun sendiri | Unity, Unreal, Godot |
| Mikrofon WebGL | Bangun sendiri | Termasuk di Unity SDK |
| Desain karakter | Prompt | Editor node visual dengan Personality, Emotion, Knowledge, dan lainnya |
| Suara | Preset penyedia | Kloning dan desain suara (5 di Pro, 20 di Team) |
| Aksi game | Hubungkan function call sendiri | Aksi dan interactable sudah tersedia |
| Struktur cerita | Bangun sendiri | Conversation Flows dengan checkpoint flowState |
| Perubahan vendor | Masalah Anda | Masalah kami |
Kesimpulannya
Setiap API ini adalah satu lapisan dari NPC yang bersuara, dan penutupan Hume menunjukkan betapa cepatnya satu lapisan bisa hilang. Neocortex adalah karakter utuhnya: ucapan yang di-stream masuk dan keluar, suara milik Anda sendiri, aksi yang dijalankan game Anda, dan SDK engine yang sudah menangani audio. Bangun satu karakter dan dengarkan ia berbicara di adegan Anda.
Perbandingan per API
- OpenAI Realtime API vs Neocortex
- Gemini Live API vs Neocortex
- ElevenLabs Agents untuk NPC game
- Deepgram Voice Agent vs Neocortex
- Amazon Nova Sonic vs Neocortex
- Hume EVI akan ditutup
Detail API terakhir diperiksa pada Oktober 2026.
Pertanyaan yang sering diajukan
Apakah Hume EVI akan ditutup?
Ya. Hume menghentikan API EVI dan TTS-nya pada 13 November 2026, dan menghapus data akun setelah tanggal itu. Neocortex memberi Anda speech-to-text yang di-stream, text-to-speech, dan suara kustom sebagai bagian dari karakter utuh, dengan SDK untuk Unity, Unreal, dan Godot.
Apakah OpenAI Realtime API punya Unity SDK?
Tidak, OpenAI tidak menyediakan Unity SDK resmi, jadi Anda membangun klien audio, server token, dan logika penyambungan ulang sendiri. Neocortex punya Unity SDK untuk Unity 6 dengan enam scene contoh dan dukungan mikrofon di build WebGL.
Berapa lama sesi suara realtime bisa berlangsung?
Bervariasi: sesi OpenAI Realtime berakhir setelah 60 menit, koneksi Gemini Live bertahan sekitar 10 menit kecuali dilanjutkan, dan koneksi Nova Sonic bertahan 8 menit. Dengan Neocortex, SDK menangani percakapannya dan Anda mengirim setiap giliran pemain saat terjadi.
API suara mana yang paling murah untuk NPC game?
API dengan penagihan token dan API dengan penagihan per menit sama-sama tumbuh seiring seberapa banyak pemain berbicara, dan model bahasa sering ditagih di atasnya. Neocortex memakai paket bulanan tetap dengan jatah pemakaian.
Bisakah saya memakai suara kustom untuk sebuah NPC?
Sebagian besar API suara menawarkan suara preset, dan kloning sering kali merupakan produk terpisah. Di Neocortex Anda bisa mengkloning suara dari sampel pendek yang Anda punya hak untuk memakainya, atau mendesain satu dari deskripsi teks: 5 suara kustom di Pro dan 20 di Team.






