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

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 Agent | Za minutę |
|---|---|
| Standard | 0,075 $ |
| Standard, własny TTS | 0,065 $ |
| Custom, własny LLM | 0,065 $ |
| Custom, własny LLM i TTS | 0,050 $ |
| Advanced | 0,163 $ |
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 Neocortex | Cena | Zawiera |
|---|---|---|
| Starter | 9 EUR/miesiąc | Użytek osobisty i akademicki |
| Pro | 29 EUR/miesiąc | Użytek komercyjny, czat grupowy, 5 niestandardowych głosów |
| Team | 99 EUR/miesiąc | 5 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 potrzebuje | Z Deepgram Voice Agent | Z Neocortex |
|---|---|---|
| Integracji z Unity | Napisz klienta na bazie SDK C# | SDK dla Unity, Unity 6, sześć scen przykładowych |
| Unreal lub Godot | Napisz klienta dla każdego silnika | Unreal Engine 5, Godot, Web API |
| Projektantów edytujących postacie | Prompty w kodzie | Wizualny edytor węzłów: osobowość, emocje, wiedza, intencje, akcje |
| NPC działających w świecie | Wywoływanie funkcji, które mapujesz sam | Akcje z ID celów, obiekty sceny, tagi emocji dla każdej kwestii |
| Rozgałęziające się wątki fabularne | Własna maszyna stanów | Conversation Flows z punktami kontrolnymi flowState |
| Kilku NPC w jednej scenie | Jeden agent na połączenie | Do sześciu postaci w jednej rozmowie (Pro i Team) |
| Unikalny głos dla każdej postaci | Własny dostawca TTS | Klonowanie i projektowanie głosu wbudowane |
| Przewidywalny koszt miesięczny | Za minutę otwartego połączenia | Plany miesięczne z limitem zużycia |
| Buildy w przeglądarce | Własna obsługa mikrofonu w WebGL | Obsługa 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.






