NPC vocali con l'API Realtime di OpenAI o con Neocortex
Puoi collegare da solo l'API Realtime di OpenAI a Unity. Ecco tutto ciò che comporta quella costruzione, e quando una piattaforma pronta per i giochi come Neocortex ti fa risparmiare settimane.
Neocortex TeamThe team behind Neocortex
· Aggiornato il 20 ott 2026 · 5 min di lettura

Venerdì sera colleghi un microfono a gpt-realtime-2.1, scrivi un prompt di sistema per un fabbro burbero, e per domenica lui ti insulta ad alta voce per le tue scelte di armatura. Sembra finito. Non lo è.
I modelli da voce a voce rendono una demo di NPC parlante un lavoro da un pomeriggio. Portare quell'NPC ai giocatori richiede molto più tempo, e quasi nessuno di quel lavoro extra riguarda il modello. Questo post illustra cosa comporta costruire NPC vocali direttamente sull'API Realtime di OpenAI in Unity, e dove si inserisce Neocortex.
Cosa ti offre l'API Realtime
- Modelli da voce a voce, guidati attualmente da gpt-realtime-2.1, con sforzo di ragionamento configurabile, function calling e una finestra di contesto da 128K.
- Connessioni via WebRTC per browser e mobile, WebSocket da un server e SIP per le chiamate telefoniche.
- Client secret a breve durata che il tuo server crea per ogni sessione, così la chiave API resta lontana dal client.
- Voci integrate, dieci in tutto. La voce non può cambiare una volta che il modello ha parlato in una sessione.
- Voci personalizzate da registrazioni, riservate ai clienti idonei che contattano le vendite di OpenAI, con una registrazione di consenso del proprietario della voce.
- Prezzi a token per audio e testo, in ingresso e in uscita.
- Sessioni limitate a 60 minuti.
- SDK ufficiali per JavaScript, Python, .NET, Java, Go e Ruby. Il supporto a Unity arriva da librerie della community.
Fai da te con OpenAI Realtime o Neocortex
| Fai da te con OpenAI Realtime | Neocortex | |
|---|---|---|
| Client Unity | Lo scrivi tu, oppure adotti una libreria della community | SDK Unity, Unity 6, sei scene di esempio |
| Gestione della sessione | Server per i client secret, riconnessione prima dei 60 minuti | Nessun limite di sessione: ogni turno è una chiamata API separata |
| Progettazione del personaggio | Prompt nel codice | Editor visuale a nodi |
| Voce | Voci integrate; voci personalizzate per i clienti idonei | Clonazione e progettazione vocale con Pro e Team |
| Azioni di gioco | Colleghi le function call | Azioni con ID bersaglio e oggetti della scena integrati |
| Struttura della storia | La tua macchina a stati | Conversation Flows con checkpoint flowState |
| Motori | Quelli che costruisci | Unity, Unreal Engine 5, Godot, Web API |
| Scelta del modello | Modelli OpenAI | Gestiti per te, più modelli locali tramite Ollama in Unity per prototipi di chat testuale |
| Costo | Token di audio e testo | Piani mensili con una quota d'uso |
Le otto cose che costruiresti da solo
Per pubblicare un NPC con voce sull'API Realtime, il tuo team deve occuparsi di:
- Un client audio in Unity che cattura il microfono, lo trasmette e riproduce la risposta senza interruzioni, anche nelle build WebGL, dove Unity non ha un input microfono integrato.
- Un piccolo backend che autentica i giocatori e genera un client secret per ogni sessione, perché la tua chiave API non deve mai finire in una build di gioco.
- La progettazione del personaggio come prompt, da mantenere coerenti a ogni aggiornamento del modello e per ogni persona che li modifica.
- Il ciclo di vita della sessione: riconnettersi prima del limite di 60 minuti, e portare la conversazione oltre la pausa.
- L'integrazione con il gioco, così le function call diventano azioni sugli oggetti giusti della tua scena.
- I guardrail, così il fabbro resta un fabbro quando i giocatori provano a trasformarlo in altro.
- Il controllo dei costi, perché ogni secondo di audio in entrata e in uscita viene fatturato in token.
- La manutenzione ogni volta che cambiano modelli, prezzi o API, su ogni motore su cui pubblichi.
Nulla di tutto questo è impossibile. Tutto questo è tempo che non stai spendendo sul tuo gioco.
Un NPC mercante, costruito in entrambi i modi
Supponi che il giocatore entri in un negozio e chieda al proprietario una pozione curativa. Il proprietario dovrebbe rispondere nel suo ruolo, sembrare seccato se il giocatore è stato scortese prima, e consegnare davvero l'oggetto.
Sull'API Realtime
Scrivi un prompt che descrive il mercante e la merce del negozio, e definisci una funzione give_item.
Il tuo backend genera un client secret, il tuo client Unity apre la sessione, trasmette la voce del giocatore e riproduce la risposta. Quando il modello chiama give_item, il tuo codice trova la pozione e la sposta nell'inventario.
Per l'umore del mercante, tieni traccia della scortesia nello stato di gioco e la inserisci nel prompt, poi aggiungi un segnale di animazione analizzando il testo o chiedendo al modello un output strutturato. Se la voce deve essere unica per questo personaggio, verifichi se ti qualifichi per le voci personalizzate.
Su Neocortex
Costruisci il mercante nell'editor visuale: Personality e un'Emotion iniziale per il temperamento, Knowledge per l'elenco della merce, un Intent per l'acquisto e un'Action per consegnare un oggetto. Gli clono o gli progetti una voce.
In Unity, il tuo gioco invia gli oggetti vicini e gli eventi recenti, compresa l'osservazione scortese del giocatore. La risposta arriva come battute con un'etichetta di emozione, così l'animatore sa che è seccato, più un'azione come { "name": "GIVE_ITEM", "targetId": "potion_01" } che il tuo gioco esegue.
Provi l'intero scambio prima nel browser.
Entrambe le versioni usano un modello capace. La differenza sta in dove vive il mercante: in una stringa di prompt e in codice di collegamento che i tuoi ingegneri mantengono, oppure in un personaggio che un game designer può aprire, leggere e modificare senza toccare la build.
Costruisci il gioco, non le tubature
Il vero costo della strada fai da te si vede dopo il lancio. Un aggiornamento del modello cambia il modo in cui il fabbro si esprime, una variazione di prezzo sposta i tuoi margini, una nuova versione di Unity rompe la libreria della community su cui contavi. Ognuno di questi ricade sul tuo team, di solito mentre siete impegnati in altro.
L'API Realtime è un modello attorno al quale costruisci uno stack vocale. Neocortex è lo stack vocale, con il personaggio, gli SDK per i motori e i punti di aggancio al gameplay già pronti, mantenuti da noi man mano che cambiano modelli e API. I designer modificano personalità, emozioni, conoscenza, intent e azioni come nodi in un grafo invece che come un prompt sepolto nel codice, e i tuoi ingegneri passano le settimane sul gioco.
I dettagli di OpenAI sono stati verificati l'ultima volta nell'ottobre 2026.
Domande frequenti
L'API Realtime di OpenAI ha un SDK per Unity?
No. Gli SDK ufficiali di OpenAI coprono JavaScript, Python, .NET, Java, Go e Ruby, e il supporto a Unity arriva da librerie della community. Neocortex ha un SDK Unity per Unity 6 con sei scene di esempio, oltre a Unreal Engine 5, Godot e una Web API.
Quanto può durare una sessione Realtime di OpenAI?
Le sessioni Realtime sono limitate a 60 minuti, quindi le lunghe sessioni di gioco richiedono una logica di riconnessione e un modo per portare avanti il contesto. Con Neocortex, ogni turno è una chiamata API separata e l'SDK se ne occupa, quindi non c'è una sessione che scada, e lavori con risposte e azioni.
L'API Realtime di OpenAI supporta voci personalizzate?
Le voci personalizzate da registrazioni sono riservate ai clienti idonei che passano dalle vendite di OpenAI; tutti gli altri scelgono tra le voci integrate. Neocortex ti permette di clonare una voce da un breve campione per cui hai i diritti, oppure di progettarla da una descrizione testuale, con 5 voci personalizzate su Pro e 20 su Team.
Come si calcola il prezzo dell'API Realtime di OpenAI?
In token di testo e audio in entrata e in uscita, quindi ogni secondo di parlato si aggiunge al conto. I piani di Neocortex sono mensili con una quota d'uso.






