Deepgram Voice Agent API per i NPC di gioco vs Neocortex
L'API Voice Agent di Deepgram unisce speech to text, un LLM e TTS a una tariffa al minuto. Come si confronta con Neocortex per i personaggi di gioco con voce.
Neocortex TeamThe team behind Neocortex
· Aggiornato il 20 ott 2026 · 5 min di lettura

L'API Voice Agent di Deepgram può dare voce a un NPC di gioco, ma paghi per ogni minuto in cui la connessione è aperta e il personaggio e il client del motore li costruisci tu. Neocortex unisce la stessa pipeline vocale a strumenti per i personaggi e SDK per i motori, con piani mensili.
Deepgram è un'azienda di riconoscimento vocale. La sua API Voice Agent esegue speech to text, un modello linguistico e text to speech su un'unica connessione WebSocket, con function calling e la scelta dei fornitori a ogni passaggio. Ecco cosa costa e cosa comporta in un gioco, e come si confrontano le due soluzioni.
Costi in breve
Deepgram pubblica tariffe al minuto "calcolate in base al tempo di connessione WebSocket". La colonna pay-as-you-go:
| Piano Deepgram Voice Agent | Al minuto |
|---|---|
| Standard | 0,075 $ |
| Standard, con TTS proprio | 0,065 $ |
| Custom, con LLM proprio | 0,065 $ |
| Custom, con LLM e TTS propri | 0,050 $ |
| Advanced | 0,163 $ |
Le tariffe Growth abbassano ciascun prezzo. Portare un tuo LLM o TTS significa anche pagare separatamente quel fornitore.
I piani Neocortex sono mensili, con una quota di utilizzo inclusa:
| Piano Neocortex | Prezzo | Include |
|---|---|---|
| Starter | 9 EUR/mese | Uso personale e accademico |
| Pro | 29 EUR/mese | Uso commerciale, chat di gruppo, 5 voci personalizzate |
| Team | 99 EUR/mese | 5 postazioni, motore di quiz, 20 voci personalizzate |
Perché il tempo di connessione conta in un gioco
In un servizio di assistenza, una chiamata inizia, l'agente parla e la chiamata finisce. Tempo di connessione e tempo di conversazione coincidono quasi.
I giochi sono diversi. Un giocatore si avvicina a un oste, gli fa due domande, poi passa venti minuti a saccheggiare la cantina prima di tornare. Se la connessione dell'NPC resta aperta per tutto il tempo, viene addebitato tutto.
Prendi un gioco open world in cui 1.000 giocatori passano ciascuno un'ora vicino a un NPC loquace, ma parlano davvero con lui solo per dieci minuti:
- Connessione lasciata aperta: 60.000 minuti, circa 4.500 $ alla tariffa Standard.
- Connessione aperta solo per le conversazioni: 10.000 minuti, circa 750 $.
Il secondo numero è raggiungibile, ma solo se il tuo client apre e chiude la connessione attorno a ogni scambio, e si riconnette abbastanza in fretta da non farlo notare al giocatore. Quella logica la scrivi e la testi tu. In pratica significa:
- Aprire il socket quando il giocatore entra nel raggio di conversazione o preme un tasto per parlare, non quando la scena si carica.
- Chiuderlo dopo un timeout di silenzio, e decidere quanto deve durare questo timeout per ogni NPC.
- Ripristinare il contesto della conversazione alla riconnessione, così l'oste ricorda ancora la domanda sulla chiave della cantina.
- Nascondere il ritardo di riconnessione dietro un'animazione o una breve battuta, così il giocatore non aspetta mai nel silenzio.
Ognuna di queste è una piccola funzione. Farle tutte e quattro bene per ogni tipo di NPC è uno sprint a sé.
Cosa costruisci sopra la pipeline
Deepgram ti permette di configurare ogni parte: LLM gestiti di OpenAI, Anthropic, Google e NVIDIA, oppure un tuo endpoint compatibile con OpenAI; le voci Flux e Aura di Deepgram o Cartesia gestita; e TTS proprio di OpenAI, ElevenLabs, Cartesia o Amazon Polly, con fallback tra fornitori. Per un NPC di gioco, ti restano comunque di tua competenza:
- Un client Unity. Gli SDK sono per Python, JavaScript, C# e Go. Non esistono pacchetto o esempi Unity, quindi la cattura del microfono, la riproduzione e il ciclo di vita del socket sono tutti tuoi.
- Il personaggio. Personalità, conoscenza, tono e guardrail vivono in prompt e configurazioni che mantieni nel codice.
- Lo stato di gioco. Il function calling ti dà un aggancio, ma trasformare le chiamate in porte che si aprono, oggetti consegnati e aggiornamenti delle missioni è lavoro tuo.
- Le voci. Una voce di personaggio clonata significa un account, un contratto e una fattura separati presso un altro fornitore.
Se hai già fatto un prototipo con Deepgram
La maggior parte del prototipo si riporta. Il tuo system prompt diventa il punto di partenza del personaggio: il background va nel nodo Agent, fatti e lore in Knowledge (come file di testo o PDF e TXT), il tono in Personality e in un'Emotion iniziale. Le tue definizioni di funzione diventano Intents e Actions, quindi invece di analizzare una chiamata di funzione, il tuo gioco riceve il nome di un'azione e l'ID dell'oggetto a cui si riferisce.
Sul lato client, il codice personalizzato del socket scompare. L'SDK Unity, l'integrazione per Unreal Engine 5, il plugin per Godot o la Web API lo sostituiscono. Se usavi una voce TTS propria di cui hai i diritti, clonala da un breve campione in Neocortex così il personaggio suona uguale.
Deepgram Voice Agent vs Neocortex: una matrice decisionale
| Se il tuo progetto richiede | Con Deepgram Voice Agent | Con Neocortex |
|---|---|---|
| Un'integrazione Unity | Scrivere un client sopra l'SDK C# | SDK Unity, Unity 6, sei scene di esempio |
| Unreal o Godot | Scrivere un client per ogni motore | Unreal Engine 5, Godot, Web API |
| Designer che modificano i personaggi | Prompt nel codice | Editor visuale a nodi: personalità, emozione, conoscenza, intenti, azioni |
| NPC che agiscono nel mondo | Function calling che mappi da solo | Azioni con ID del bersaglio, oggetti di scena, tag di emozione per battuta |
| Snodi narrativi con diramazioni | La tua macchina a stati | Conversation Flows con checkpoint flowState |
| Più NPC in una scena | Un agente per connessione | Fino a sei personaggi in una conversazione (Pro e Team) |
| Una voce unica per ogni personaggio | Un tuo fornitore TTS | Clonazione e design della voce integrati |
| Costo mensile prevedibile | Per minuto di connessione aperta | Piani mensili con quota di utilizzo |
| Build per browser | La tua gestione del microfono WebGL | Supporto al microfono in Unity WebGL |
Il nostro parere
Deepgram Voice Agent è una pipeline vocale progettata attorno a chiamate che iniziano e finiscono, ed è per questo che fattura in base al tempo di connessione e lascia il personaggio a te. Per un gioco, Neocortex ti dà voce in entrata e in uscita, il modello linguistico, le voci e il personaggio in un unico account, con SDK per i motori e azioni di gioco, così paghi per le conversazioni invece che per i socket aperti e dedichi il tuo tempo all'NPC invece che alla plomberia.
I dettagli di Deepgram sono stati verificati l'ultima volta a ottobre 2026.
Domande frequenti
Quanto costa l'API Deepgram Voice Agent?
Deepgram elenca il suo piano Standard a 0,075 $ al minuto in pay as you go, fatturato sul tempo di connessione WebSocket, con tariffe più basse se porti un tuo LLM o TTS. Neocortex usa piani mensili con una quota di utilizzo, da Starter a 9 EUR al mese fino a Pro a 29 EUR al mese per uso commerciale.
Deepgram ha un SDK per Unity?
No, i suoi SDK Voice Agent coprono Python, JavaScript, C# e Go, senza pacchetto né esempi per Unity. Neocortex ha un SDK Unity per Unity 6 con sei scene di esempio, oltre a Unreal Engine 5, Godot e una Web API.
Deepgram Voice Agent può usare una voce clonata?
Le sue voci gestite provengono dai modelli TTS di Deepgram e da Cartesia gestita, quindi una voce clonata significa portare un tuo account presso il fornitore. Neocortex include clonazione e design delle voci, con 5 voci personalizzate su Pro e 20 su Team.
Deepgram Voice Agent è pensato per gli NPC di gioco?
È una pipeline di agenti vocali generici, orientata a usi come le linee di assistenza, e progettazione del personaggio, stato di gioco e client per i motori sono da costruire a tuo carico. Neocortex è pensato per i personaggi di gioco, con un editor visuale, azioni di gioco e SDK per i motori.






