Neocortex Logo

Deepgram Voice Agent API dla NPC w grach vs Neocortex

Voice Agent API Deepgram łączy zamianę mowy na tekst, LLM i TTS w stawce za minutę. Jak wypada w porównaniu z Neocortex dla postaci w grach z głosem.

Neocortex TeamThe team behind Neocortex

· Zaktualizowano 20 paź 2026 · 5 min czytania

Voice Agent API Deepgram łączy zamianę mowy na tekst, LLM i TTS w stawce za minutę. Jak wypada w porównaniu z Neocortex dla postaci w grach z głosem.

Deepgram Voice Agent API może nadać głos NPC w grze, ale płacisz za każdą minutę otwartego połączenia, a postać i klienta silnika budujesz sam. Neocortex łączy ten sam potok mowy z narzędziami do postaci i SDK silników, w planach miesięcznych.

Deepgram to firma zajmująca się rozpoznawaniem mowy. Jej Voice Agent API uruchamia zamianę mowy na tekst, model językowy i zamianę tekstu na mowę przez jedno połączenie WebSocket, z wywoływaniem funkcji i wyborem dostawców na każdym etapie. Oto, ile to kosztuje i czego wymaga w grze, oraz jak oba rozwiązania wypadają w porównaniu.

Koszty w skrócie

Deepgram publikuje stawki za minutę "obliczane na podstawie czasu połączenia WebSocket". Kolumna płatności na żądanie:

Poziom Deepgram Voice AgentZa minutę
Standard0,075 $
Standard, własny TTS0,065 $
Custom, własny LLM0,065 $
Custom, własny LLM i TTS0,050 $
Advanced0,163 $

Cennik Growth obniża każdą stawkę. Używanie własnego LLM lub TTS oznacza też osobną płatność dla tego dostawcy.

Plany Neocortex są miesięczne, z limitem zużycia w cenie:

Plan NeocortexCenaZawiera
Starter9 EUR/miesiącUżytek osobisty i akademicki
Pro29 EUR/miesiącUżytek komercyjny, czat grupowy, 5 niestandardowych głosów
Team99 EUR/miesiąc5 stanowisk, silnik quizów, 20 niestandardowych głosów

Dlaczego czas połączenia ma znaczenie w grze

Na linii wsparcia rozmowa się zaczyna, agent mówi i rozmowa się kończy. Czas połączenia i czas rozmowy to niemal to samo.

Gry są inne. Gracz podchodzi do karczmarza, zadaje dwa pytania, a potem spędza dwadzieścia minut na przeszukiwaniu piwnicy, zanim wróci. Jeśli połączenie NPC cały czas jest otwarte, płacisz za wszystko.

Weźmy grę w otwartym świecie, w której 1000 graczy spędza godzinę w pobliżu gadatliwego NPC, ale tylko dziesięć minut faktycznie z nim rozmawia:

  • Połączenie otwarte cały czas: 60 000 minut, około 4 500 $ według stawki Standard.
  • Połączenie otwierane tylko na czas rozmów: 10 000 minut, około 750 $.

Druga liczba jest osiągalna, ale tylko wtedy, gdy Twój klient otwiera i zamyka połączenie wokół każdej wymiany i łączy się ponownie na tyle szybko, że gracz tego nie zauważy. Ta logika jest Twoja do napisania i przetestowania. W praktyce oznacza to:

  • Otwieranie gniazda, gdy gracz wejdzie w zasięg rozmowy albo naciśnie klawisz rozmowy, a nie przy wczytaniu sceny.
  • Zamykanie go po limicie ciszy i ustalanie, jak długi powinien być ten limit dla każdego NPC.
  • Przywracanie kontekstu rozmowy po ponownym połączeniu, żeby karczmarz nadal pamiętał pytanie o klucz od piwnicy.
  • Ukrywanie opóźnienia ponownego połączenia za animacją albo krótką kwestią, tak aby gracz nigdy nie czekał w ciszy.

Każda z tych rzeczy to niewielka funkcja. Dobre wykonanie wszystkich czterech dla każdego typu NPC to osobny sprint.

Co budujesz na potoku

Deepgram pozwala skonfigurować każdy ruchomy element: zarządzane LLM od OpenAI, Anthropic, Google i NVIDIA albo własny endpoint zgodny z OpenAI; głosy Flux i Aura od Deepgram albo zarządzany Cartesia; a także własny TTS od OpenAI, ElevenLabs, Cartesia lub Amazon Polly, z zapasowym przełączaniem między dostawcami. W przypadku NPC w grze nadal jesteś odpowiedzialny za:

  • Klienta w Unity. SDK są w Pythonie, JavaScript, C# i Go. Nie ma pakietu ani przykładu dla Unity, więc przechwytywanie mikrofonu, odtwarzanie i cykl życia gniazda są Twoje.
  • Postać. Persona, wiedza, ton i zabezpieczenia żyją w promptach i konfiguracji, które utrzymujesz w kodzie.
  • Stan gry. Wywoływanie funkcji daje punkt zaczepienia, a zamienianie wywołań w otwieranie drzwi, przekazywanie przedmiotów i aktualizacje zadań to Twoja praca.
  • Głosy. Sklonowany głos postaci oznacza osobne konto u dostawcy, umowę i rachunek.

Jeśli już prototypowałeś na Deepgram

Większość prototypu da się przenieść. Twój prompt systemowy staje się punktem wyjścia dla postaci: tło trafia do węzła Agent, fakty i lore do Knowledge (jako tekst albo pliki PDF i TXT), ton do Personality, a początkowa emocja do Emotion. Twoje definicje funkcji stają się Intents i Actions, więc zamiast parsować wywołanie funkcji, gra otrzymuje nazwę akcji i ID obiektu, którego dotyczy.

Po stronie klienta własny kod gniazda znika. Zastępuje go SDK dla Unity, integracja z Unreal Engine 5, wtyczka Godot albo Web API. Jeśli używałeś własnego głosu TTS, do którego masz prawa, sklonuj go z krótkiej próbki w Neocortex, aby postać brzmiała tak samo.

Deepgram Voice Agent vs Neocortex: macierz decyzji

Jeśli Twój projekt potrzebujeZ Deepgram Voice AgentZ Neocortex
Integracji z UnityNapisz klienta na bazie SDK C#SDK dla Unity, Unity 6, sześć scen przykładowych
Unreal lub GodotNapisz klienta dla każdego silnikaUnreal Engine 5, Godot, Web API
Projektantów edytujących postaciePrompty w kodzieWizualny edytor węzłów: osobowość, emocje, wiedza, intencje, akcje
NPC działających w świecieWywoływanie funkcji, które mapujesz samAkcje z ID celów, obiekty sceny, tagi emocji dla każdej kwestii
Rozgałęziające się wątki fabularneWłasna maszyna stanówConversation Flows z punktami kontrolnymi flowState
Kilku NPC w jednej scenieJeden agent na połączenieDo sześciu postaci w jednej rozmowie (Pro i Team)
Unikalny głos dla każdej postaciWłasny dostawca TTSKlonowanie i projektowanie głosu wbudowane
Przewidywalny koszt miesięcznyZa minutę otwartego połączeniaPlany miesięczne z limitem zużycia
Buildy w przeglądarceWłasna obsługa mikrofonu w WebGLObsługa mikrofonu w Unity WebGL

Nasze zdanie

Deepgram Voice Agent to potok mowy zaprojektowany wokół rozmów, które się zaczynają i kończą, dlatego rozlicza się za czas połączenia i zostawia postać Tobie. W grze Neocortex daje mowę na wejściu i wyjściu, model językowy, głosy i postać na jednym koncie, z SDK silników i akcjami w rozgrywce. Płacisz więc za rozmowy, a nie za otwarte gniazda, i poświęcasz czas na NPC zamiast na instalację.

Dane Deepgram sprawdzono ostatnio w październiku 2026.

Najczęściej zadawane pytania

Ile kosztuje Deepgram Voice Agent API?

Deepgram podaje poziom Standard za 0,075 $ za minutę w modelu płatności na żądanie, rozliczany według czasu połączenia WebSocket, z niższymi stawkami, jeśli przynosisz własny LLM lub TTS. Neocortex działa w planach miesięcznych z limitem zużycia, od Starter za 9 EUR miesięcznie do Pro za 29 EUR miesięcznie na użytek komercyjny.

Czy Deepgram ma SDK dla Unity?

Nie. Jego SDK Voice Agent obejmuje Pythona, JavaScript, C# i Go, bez pakietu Unity ani przykładów. Neocortex ma SDK dla Unity 6 z sześcioma scenami przykładowymi, a także Unreal Engine 5, Godot i Web API.

Czy Deepgram Voice Agent może używać sklonowanego głosu?

Jego zarządzane głosy pochodzą z modeli TTS Deepgram i zarządzanego Cartesia, więc sklonowany głos oznacza przyniesienie własnego konta u dostawcy. Neocortex zawiera klonowanie i projektowanie głosu, z 5 niestandardowymi głosami w Pro i 20 w Team.

Czy Deepgram Voice Agent jest stworzony dla NPC w grach?

To ogólny potok agenta głosowego, skierowany do zastosowań takich jak linie wsparcia, a projektowanie postaci, stan gry i klienci silników są Twoje do zbudowania. Neocortex powstał z myślą o postaciach w grach, z wizualnym edytorem, akcjami w rozgrywce i SDK silników.

Podobne artykuły

Czytaj dalej