API vocali in tempo reale per NPC di gioco: confronto 2026
OpenAI Realtime, Gemini Live, ElevenLabs Agents, Deepgram, Amazon Nova Sonic e Hume EVI a confronto per i personaggi di gioco con voce, e cosa devi ancora costruire sopra.
Neocortex TeamThe team behind Neocortex
· Aggiornato il 20 ott 2026 · 7 min di lettura

Hume ha annunciato la chiusura delle sue API vocali EVI e TTS, e ogni sviluppatore che ha costruito un personaggio parlante su di esse ora deve migrare. È un promemoria utile: un'API vocale in tempo reale è uno strato di un personaggio di gioco, e quello strato può cambiare sotto i tuoi piedi.
I modelli vocali in tempo reale sono abbastanza buoni da far nascere una demo di NPC parlante in un pomeriggio. Scegliere l'API su cui costruire un gioco è più difficile, perché la maggior parte è stata progettata per il servizio clienti, non per i giochi. Ecco come si confrontano le principali API vocali in tempo reale per gli NPC di gioco, e cosa costruisci sopra ciascuna.
Quali API vocali in tempo reale possono dare voce a un NPC di gioco?
OpenAI Realtime. Voce in entrata e in uscita su WebRTC o WebSocket, fatturata per token audio e di testo. Una sessione termina dopo 60 minuti. Non esiste un SDK Unity ufficiale, quindi il client audio e il server dei token sono da costruire da te.
Gemini Live. L'API in tempo reale di Google, anch'essa fatturata a token. Una connessione WebSocket dura circa 10 minuti, e la ripresa della sessione permette a un client di riconnettersi e continuare. L'accesso a Unity passa da Firebase AI Logic, il cui SDK Unity è in anteprima.
ElevenLabs Agents. Una piattaforma di agenti orientata alla voce fatturata al minuto, con il modello linguistico addebitato a parte. La concorrenza dipende dal tuo piano. ElevenLabs elenca SDK ufficiali per framework web e mobile, più un SDK Unity in fase iniziale che potrebbe cambiare senza preavviso.
Deepgram Voice Agent. Fatturazione al minuto con opzioni per portare un tuo modello linguistico o un tuo TTS. Esiste un SDK C#, ma nessun pacchetto Unity, e la concorrenza dipende dal tuo piano.
Amazon Nova Sonic. Speech-to-speech su Amazon Bedrock, fatturato a token, con connessioni limitate a 8 minuti, dopo le quali apri una nuova connessione e rimandi indietro la cronologia. È pensato per i call center e non ha un SDK Unity.
Hume EVI. In chiusura insieme all'API TTS di Hume. Se ci hai pubblicato sopra, pianifica la migrazione adesso, perché gli ID delle voci e le configurazioni non si trasferiscono ad altri fornitori.
Come si confrontano?
| API | Stato | Supporto Unity | Base di prezzo | Limiti di sessione |
|---|---|---|---|---|
| OpenAI Realtime | Attiva | Nessun SDK ufficiale | Token audio e di testo | Sessioni da 60 minuti |
| Gemini Live | Attiva | Firebase AI Logic, in anteprima | Token audio e di testo | Connessioni di circa 10 minuti, riprendibili |
| ElevenLabs Agents | Attiva | SDK ufficiale in fase iniziale | Al minuto più LLM | Concorrenza in base al piano |
| Deepgram Voice Agent | Attiva | Nessun pacchetto, SDK C# | Al minuto | Concorrenza in base al piano |
| Amazon Nova Sonic | Attiva | No | Token | Connessioni da 8 minuti |
| Hume EVI | In chiusura | No | Non più rilevante | Migra subito |
Cosa ti lascia da costruire un'API vocale?
Nessuna di queste API è un personaggio di gioco. Con una qualsiasi di esse, devi ancora costruire:
- Un client audio del motore. Acquisizione, codifica, riproduzione e interruzione in Unity o Unreal, incluso WebGL, dove la classe microfono integrata di Unity non funziona.
- Un backend che emette token a breve scadenza, così le chiavi segrete non finiscono mai nella build del gioco, dove i giocatori possono estrarle.
- Il personaggio. Personalità, conoscenza, memoria e regole di sicurezza, scritti e mantenuti come prompt.
- La gestione della sessione. Riconnessione prima dei limiti di tempo, trasporto del contesto tra le connessioni, e recupero quando la rete del giocatore cade a metà frase.
- L'integrazione con il gioco. Trasformare le chiamate di funzione in azioni, e rimandare lo stato della scena così il personaggio sa cosa sta guardando il giocatore.
- Il controllo dei costi per la fatturazione al minuto o a token, incluso cosa succede quando un giocatore lascia il microfono aperto.
- La manutenzione, mentre modelli, prezzi e API cambiano, vengono rinominati o chiusi.
Per un piccolo team, solo i punti 1, 2 e 4 sono settimane di lavoro prima che la prima battuta suoni giusta.
Quanto costa far girare un NPC con voce?
Due modelli di fatturazione dominano. La fatturazione a token (OpenAI, Gemini, Nova Sonic) addebita l'audio in ingresso e in uscita, quindi risposte lunghe e cronologie lunghe costano di più man mano che la conversazione cresce. La fatturazione al minuto (ElevenLabs, Deepgram) addebita il tempo di connessione, quindi il silenzio mentre un giocatore legge un menu conta comunque, a meno che tu non chiuda la sessione.
In entrambi i casi, il costo segue quanto parlano i giocatori, non quanti giocatori hai. Un gioco in cui un NPC è un compagno costante si comporta in modo molto diverso da un gioco in cui i giocatori chiacchierano con un mercante per trenta secondi. Fai il modello prima del lancio, aggiungendo il modello linguistico dove viene fatturato a parte.
Neocortex usa piani mensili fissi con una quota di utilizzo: Starter (9 €, uso personale e accademico), Pro (29 €, uso commerciale) e Team (99 €, cinque postazioni).
Come si lascia un'API vocale che sta chiudendo?
Se stai lasciando Hume EVI, o vuoi un piano per il giorno in cui un'altra API cambia, il passaggio a Neocortex è questo:
- Esporta ciò che hai. Scarica audio, trascrizioni e log, e copia il system prompt e le impostazioni vocali di ogni personaggio prima che l'accesso termini.
- Ricostruisci ogni personaggio nell'editor. Il system prompt si divide nel nodo Agent (chi è), nei nodi Personality ed Emotion (come reagisce) e in un file Knowledge (cosa sa).
- Ricrea la voce. Clonala da un campione su cui hai i diritti, oppure descrivila a parole e usa il design vocale.
- Sostituisci il client. Sostituisci il tuo codice audio WebSocket con l'SDK Neocortex per il tuo motore, oppure con la Web API per qualsiasi altro caso.
- Mappa gli strumenti in azioni. Ogni chiamata di funzione che gestivi diventa un'azione che il tuo gioco esegue quando compare in una risposta.
API vocale o piattaforma per personaggi?
Neocortex si colloca un livello più in alto. Invece di un'API vocale, ottieni il personaggio intero: progettato in un editor visuale, dotato di una voce clonata o progettata, e consegnato tramite SDK per Unity, Unreal e Godot, oppure tramite la Web API.
| API vocale | Neocortex | |
|---|---|---|
| SDK per il motore | Di solito lo costruisci tu | Unity, Unreal, Godot |
| Microfono WebGL | Lo costruisci tu | Incluso nell'SDK Unity |
| Progettazione del personaggio | Prompt | Editor visuale a nodi con Personality, Emotion, Knowledge e altro |
| Voci | Preset del fornitore | Clonazione e design vocale (5 con Pro, 20 con Team) |
| Azioni di gioco | Collegare le chiamate di funzione | Azioni e oggetti interattivi integrati |
| Struttura della storia | La costruisci tu | Conversation Flows con checkpoint flowState |
| Cambiamenti del fornitore | Un tuo problema | Un nostro problema |
In sintesi
Ognuna di queste API è uno strato di un NPC con voce, e la chiusura di Hume mostra quanto in fretta uno strato può sparire. Neocortex è il personaggio intero: voce in streaming in entrata e in uscita, una voce tua, azioni che il tuo gioco esegue, e SDK per i motori che gestiscono già l'audio. Costruisci un personaggio e ascoltalo parlare nella tua scena.
Confronti singoli
- OpenAI Realtime API vs Neocortex
- Gemini Live API vs Neocortex
- ElevenLabs Agents per NPC di gioco
- Deepgram Voice Agent vs Neocortex
- Amazon Nova Sonic vs Neocortex
- Hume EVI sta chiudendo
I dettagli delle API sono stati verificati l'ultima volta a ottobre 2026.
Domande frequenti
Hume EVI sta chiudendo?
Sì. Hume dismette le sue API EVI e TTS il 13 novembre 2026, ed elimina i dati dell'account dopo quella data. Neocortex ti offre speech-to-text in streaming, text-to-speech e voci personalizzate come parte di un personaggio completo, con SDK per Unity, Unreal e Godot.
L'API OpenAI Realtime ha un SDK Unity?
No, OpenAI non distribuisce un SDK Unity ufficiale, quindi devi costruire tu il client audio, il server dei token e la logica di riconnessione. Neocortex ha un SDK Unity per Unity 6 con sei scene di esempio e supporto del microfono nelle build WebGL.
Quanto può durare una sessione vocale in tempo reale?
Dipende: le sessioni OpenAI Realtime terminano dopo 60 minuti, le connessioni Gemini Live durano circa 10 minuti se non vengono riprese, e le connessioni Nova Sonic durano 8 minuti. Con Neocortex, l'SDK gestisce la conversazione e tu invii ogni turno del giocatore man mano che avviene.
Quale API vocale costa meno per gli NPC di gioco?
Le API a token e quelle al minuto scalano entrambe in base a quanto parlano i giocatori, e il modello linguistico viene spesso fatturato a parte. Neocortex usa piani mensili fissi con una quota di utilizzo.
Posso usare una voce personalizzata per un NPC?
La maggior parte delle API vocali offre voci predefinite, e la clonazione è spesso un prodotto separato. Su Neocortex puoi clonare una voce da un breve campione su cui hai i diritti, oppure progettarne una da una descrizione testuale: 5 voci personalizzate con Pro e 20 con Team.






