Gemini Live APIでゲームのNPCを作る場合とNeocortexの比較
Gemini Live APIはリアルタイムの音声を扱えますが、Unityのサポートはまだプレビュー段階です。その上でNPCを作るのに必要なことと、Neocortexの位置づけを解説します。
Neocortex TeamThe team behind Neocortex
· 2026年10月20日更新 · 5分で読めます

Gemini LiveのNPCは、約10分間話せます。その後、接続が閉じます。
GoogleのGemini Live APIは、ステートフルなWebSocketを通じて、音声をモデルに送り、モデルから受け取ります。ゲーム開発者にとっては魅力的です。マイクを向け、ペルソナを与えれば、話すNPCのできあがりです。 ただし問題は端にあります。セッションの上限、まだプレビュー段階のUnityの経路、そして音声の上にゲームが必要とするすべてのことです。 ここでは、その上でNPCを作るのに必要なことと、Neocortexの位置づけを説明します。
設計の前提となるセッションの上限
Googleは、Gemini Liveのすべての連携を形作る3つの上限を文書化しています。プレイヤーはそのどれも気にしません。だからこそ、コードで扱う必要があります。
15分の音声セッション
コンテキストウィンドウの圧縮を使わない場合、音声のみのセッションは15分に制限されます。音声と映像のセッションは2分です。 圧縮はスライディングウィンドウを使い、セッションを無期限に延ばします。その代わり、モデルは会話の古い部分を少しずつ失います。クエストの始まりを覚えているべき仲間キャラクターにとって、それは設定ではなく設計上の判断です。
10分の接続
別に、接続はおよそ10分続きます。接続が終わると、再開しない限りセッションも終わります。 ゲームでは、会話の途中で再接続することを意味します。プレイヤーには、その継ぎ目を決して聞かせてはいけません。
再開のハンドル
再接続を乗り越えるには、セッションの再開を有効にします。サーバーはハンドルを送り、再接続のときに最新のハンドルを渡します。ハンドルはセッションの終了後2時間有効です。 Googleがクライアントアプリに推奨している一時トークンも加えると、各プレイヤーのクライアントに短期間有効な認証情報を発行するバックエンドも必要になります。
Firebase AI Logicを通じたUnityのサポート
GoogleがUnityに入る経路は、Firebase AI Logicです。そのLive APIのサポートはプレビューです。SLAはなく、廃止のポリシーもなく、「後方互換性のない形で変わる可能性がある」とされています。 UnityのSDKにはC#のコードサンプルがありますが、UnityでのLive APIのクイックスタートは、まだ「近日公開」と表示されています。
モデルの一覧は、Gemini API自体より狭くなっています。Gemini Developer API経由では、Firebaseは Gemini 3.1 Flash Live Preview と Gemini 2.5のネイティブ音声のプレビューを挙げています。Googleのエンタープライズ向けのAgent Platform(旧Vertex AI)経由では、Gemini 2.5 Liveのモデルを挙げており、3.xのLiveモデルはありません。 Gemini APIで最新のLiveモデルであるGemini 3.8 Liveは、どちらの一覧にもありません。
そのため、Unityのチームは、古いモデルのプレビューSDKを使うか、生のAPIに対して自前のWebSocketクライアントを書くかを選ぶことになります。
Gemini Liveの費用
Liveのモデルは、トークン単位で課金されます。音声については、分あたりの換算値が公表されています。有料の階層では、音声入力は100万トークンあたり$3.00(1分あたり約$0.005)、音声出力は100万トークンあたり$12.00(1分あたり約$0.018)です。
この料金では、プレイヤーの発話60分とNPCの発話60分で、テキストのトークン、思考のトークン、ツール呼び出しを除いても、音声だけで約$1.38かかります。実際の会話には間があるので、ほとんどはこれより安くなりますが、請求はプレイヤーが会話をどれだけ楽しむかに比例して増えます。
無料枠もあります。Googleの料金ページには、無料枠のコンテンツは製品の改善に使われると書かれています。プレイヤーがキャラクターに個人的なことを話すなら、これは重要です。
Neocortexのプランは月ごとで、利用枠が含まれます。Starterは個人と学術のプロジェクト向けに月額€9です。Proは月額€29で、商用利用、グループチャット、5つのカスタムボイスが加わります。
Gemini LiveとNeocortexの比較
| Gemini Liveで自作 | Neocortex | |
|---|---|---|
| Unity | Firebase AI Logicのプレビュー、モデルの一覧は限られる | Unity SDK、Unity 6、6つのサンプルシーン |
| 他のエンジン | 自分でクライアントを作る | Unreal Engine 5、Godot、Web API |
| セッション | 15分のセッション、10分の接続、再開のハンドル | セッションの上限なし。各ターンは別々のAPI呼び出し |
| キャラクターの設計 | コード内のプロンプト | ビジュアルのノードエディター |
| 声 | Googleの既製の声 | 音声クローンと音声デザイン |
| ゲームのアクション | 関数呼び出しを自分でつなぐ | ターゲットIDとシーンのオブジェクトを備えたアクションが内蔵 |
| 複数のキャラクター | 自分で作る | 1つの会話に最大6体(ProとTeam) |
| ローカルのAI | なし | テキストチャットのプロトタイプ向けに、UnityでOllama経由のローカルモデル |
モデルのAPIか、キャラクター基盤か?
これは2つの異なるやり方で、それぞれにトレードオフがあります。
モデルのAPIの上に作る と、最新のモデルに直接アクセスでき、すべてのリクエストを完全に制御できます。ただし、上記のすべての制限も引き継ぎます。エンジンのクライアント、トークンのバックエンド、再接続のロジック、キャラクターのプロンプト、ゲームとの連携も自分で書きます。モデルの一覧やAPIが変われば、そのすべてを更新する必要があります。
キャラクター基盤を使う と、生のモデルへの制御は減りますが、ゲームに必要なものは増えます。Neocortexでは、性格、感情、知識、インテント、アクションは、デザイナーが編集できるビジュアルのグラフのノードです。各返答は、行ごとの感情タグと、{ "name": "OPEN_DOOR", "targetId": "door_02" } のようなアクションとともに返ります。会話のフローは、ストーリーが進むにつれて、チェックポイントのキーワード(flowState)を報告します。マイクの入力は Unity WebGLのビルド でも動きます。
多くのゲームのチームが出荷するのは、後者の方です。他の音声APIが同じ観点でどう比べられるかは、ゲームのNPC向けのリアルタイム音声API の概要をご覧ください。
次のステップ
- Neocortexのアカウントを作る。
- エディターで1体のNPCを作り、クローンした声か、デザインした声を与える。
- 正しく聞こえるまで、ブラウザで話しかける。
- Unity SDKをインストールし、サンプルシーンを開いて、ゲームの中でキャラクターが答えるのを聞く。セッションの配管を書く必要はありません。
Googleの詳細は2026年10月に最後に確認しました。
よくある質問
Gemini Live APIはUnityで使えますか?
Firebase AI Logicを通じて使えます。そのLive APIのサポートはプレビューで、SLAはなく、Unityのクイックスタートは今も「近日公開」と表示されています。Neocortexには、Unity 6向けのUnity SDKと6つのサンプルシーンがあります。さらに、Unreal Engine 5、Godot、Web APIもあります。
Gemini Liveのセッションはどのくらい続きますか?
コンテキストウィンドウの圧縮とセッションの再開を追加しない限り、音声のみのセッションは15分で止まり、接続はおよそ10分で止まります。Neocortexでは、各ターンは別々のAPI呼び出しで、SDKがそれを扱います。そのため、キャラクターとのセッションに時間切れはなく、書くべき再開のロジックもありません。
Gemini Live APIは無料ですか?
無料枠はあります。Googleの料金ページには、無料枠のコンテンツは製品の改善に使われると書かれています。有料の音声出力はトークン単位で課金されます。
UnityのゲームでどのGemini Liveのモデルを使えますか?
Firebase AI Logicは、Gemini 3.1 Flash Live Previewと、Gemini 2.5のネイティブ音声のモデルを挙げています。新しいGemini 3.8 Liveは含まれません。Neocortexはモデルを管理するので、キャラクターはSDKがどのプレビューに対応しているかに依存しません。






