Gemini Live API a Neocortex: postacie NPC w grach
Gemini Live API obsługuje głos w czasie rzeczywistym, ale jego wsparcie dla Unity jest wciąż w podglądzie. Co wiąże się z budową NPC na nim i gdzie pasuje Neocortex.
Neocortex TeamThe team behind Neocortex
· Zaktualizowano 20 paź 2026 · 5 min czytania

Postać NPC w Gemini Live może rozmawiać około dziesięciu minut. Potem połączenie się zamyka.
Gemini Live API od Google strumieniuje dźwięk do modelu i z powrotem przez stanowy WebSocket, i dla twórców gier to kusi: skieruj mikrofon, nadaj persona i masz mówiącego NPC. Kłopoty zaczynają się na krawędziach: przy limitach sesji, ścieżce Unity wciąż w podglądzie i wszystkim, czego gra potrzebuje ponad sam głos. Oto, co wiąże się z budową NPC na tym API i gdzie pasuje Neocortex.
Limity sesji, na które musisz projektować
Google dokumentuje trzy limity, które kształtują każdą integrację Gemini Live. Gracze nie zwracają na nie uwagi, i właśnie dlatego twój kod musi to robić.
15-minutowe sesje audio
Bez kompresji okna kontekstu sesje tylko audio są ograniczone do 15 minut, a sesje z audio i wideo do 2 minut. Kompresja używa przesuwanego okna, żeby wydłużyć sesję bez końca, kosztem stopniowej utraty najstarszych części rozmowy przez model. Dla towarzysza, który ma pamiętać początek questa, to decyzja projektowa, a nie ustawienie.
10-minutowe połączenia
Osobno, połączenie trwa mniej więcej 10 minut. Gdy się kończy, kończy się też sesja, chyba że ją wznowisz. W grze oznacza to ponowne połączenie w środku rozmowy, a gracz nigdy nie powinien usłyszeć tego szwu.
Uchwyty wznowienia
Aby przetrwać ponowne połączenie, włączasz wznowienie sesji. Serwer wysyła uchwyty, a ty przekazujesz najnowszy przy ponownym połączeniu. Uchwyty pozostają ważne przez 2 godziny po zakończeniu sesji. Dodaj tokeny efemeryczne, które Google poleca aplikacjom klienckim, a potrzebujesz też backendu, który wydaje krótkotrwałe poświadczenia klientowi każdego gracza.
Wsparcie Unity przez Firebase AI Logic
Droga Google do Unity prowadzi przez Firebase AI Logic. Jego wsparcie Live API jest w podglądzie: bez SLA, bez polityki wycofywania i może "zmienić się w sposób niekompatybilny wstecz". SDK Unity ma przykłady kodu w C#, ale jego szybki start Live API dla Unity wciąż jest oznaczony jako wkrótce.
Lista modeli jest węższa niż w samym Gemini API. Przez Gemini Developer API Firebase wymienia Gemini 3.1 Flash Live Preview i podglądy audio native Gemini 2.5. Przez enterprise'ową Agent Platform Google (dawniej Vertex AI) wymienia modele Gemini 2.5 Live i żadnych modeli Live 3.x. Gemini 3.8 Live, najnowszy model Live w Gemini API, nie znajduje się na żadnej z tych list.
Zespół Unity wybiera więc między SDK w podglądzie ze starszymi modelami a własnym klientem WebSocket do surowego API.
Ile kosztuje Gemini Live
Modele Live rozliczają się za token, a równoważniki za minutę są publikowane dla audio. W płatnym poziomie wejście audio kosztuje 3,00 $ za milion tokenów (około 0,005 $ za minutę), a wyjście audio 12,00 $ za milion tokenów (około 0,018 $ za minutę).
Przy tych stawkach sześćdziesiąt minut mowy gracza i sześćdziesiąt minut mowy NPC kosztuje około 1,38 $ samego audio, przed tokenami tekstu, tokenami myślenia czy wywołaniami narzędzi. Prawdziwe rozmowy mają pauzy, więc większość kosztuje mniej, ale rachunek i tak rośnie wraz z tym, ile twoi gracze lubią rozmawiać.
Jest poziom darmowy. Strona cen Google zaznacza, że treści z poziomu darmowego są używane do ulepszania jej produktów, co ma znaczenie, jeśli gracze mówią swoim postaciom rzeczy osobiste.
Plany Neocortex są miesięczne, z limitem użycia. Starter kosztuje 9 € miesięcznie dla projektów osobistych i akademickich, a Pro za 29 € miesięcznie dodaje użycie komercyjne, czat grupowy i 5 własnych głosów.
Gemini Live a Neocortex
| Samodzielnie na Gemini Live | Neocortex | |
|---|---|---|
| Unity | Podgląd Firebase AI Logic, ograniczona lista modeli | SDK Unity dla Unity 6, sześć przykładowych scen |
| Inne silniki | Zbuduj własnego klienta | Unreal Engine 5, Godot, Web API |
| Sesje | Sesje 15-minutowe, połączenia 10-minutowe, uchwyty wznowienia | Brak limitu sesji: każda tura to osobne wywołanie API |
| Projekt postaci | Prompty w kodzie | Wizualny edytor węzłów |
| Głosy | Wbudowane głosy Google | Klonowanie głosu i projektowanie głosu |
| Akcje w grze | Podłącz wywołania funkcji | Akcje z ID celów i obiektami sceny wbudowane |
| Wiele postaci | Zbuduj samemu | Do sześciu postaci w jednej rozmowie (Pro i Team) |
| Lokalna AI | Nie | Modele lokalne przez Ollama w Unity dla prototypów czatu tekstowego |
Model API czy platforma postaci?
To dwa różne podejścia, każde z własnymi kompromisami.
Budowanie na API modelu daje bezpośredni dostęp do najnowszych modeli i pełną kontrolę nad każdym żądaniem. Dziedziczysz też każdy limit wymieniony wyżej, a ty piszesz klienta silnika, backend tokenów, logikę ponownego połączenia, prompty postaci i integrację z grą. Gdy zmienia się lista modeli albo API, aktualizujesz to wszystko.
Korzystanie z platformy postaci daje mniej kontroli nad surowym modelem, a więcej tego, czego potrzebuje gra. W Neocortex osobowość, emocje, wiedza, intencje i akcje to węzły w wizualnym grafie, który projektant może edytować. Każda odpowiedź wraca z tagiem emocji dla każdej linii i akcjami, takimi jak { "name": "OPEN_DOOR", "targetId": "door_02" }. Conversation Flows raportują słowa kluczowe punktów kontrolnych (flowState), gdy historia się posuwa. Wejście z mikrofonu działa w buildach Unity WebGL.
Dla większości zespołów gier to druga lista jest tą, która trafia do produkcji. Zobacz nasz przegląd API głosu w czasie rzeczywistym dla NPC w grach, żeby zobaczyć, jak inne API głosu wypadają pod tymi samymi względami.
Następne kroki
- Załóż konto Neocortex.
- Zbuduj jednego NPC w edytorze i nadaj mu sklonowany albo zaprojektowany głos.
- Rozmawiaj z nim w przeglądarce, aż zabrzmi właściwie.
- Zainstaluj SDK Unity, otwórz przykładową scenę i usłysz, jak postać odpowiada w twojej grze, bez pisania żadnej obsługi sesji.
Dane Google sprawdzono po raz ostatni w październiku 2026.
Najczęstsze pytania
Czy Gemini Live API działa w Unity?
Przez Firebase AI Logic, którego wsparcie Live API jest w podglądzie, bez SLA, a szybki start dla Unity wciąż jest oznaczony jako wkrótce. Neocortex ma SDK Unity dla Unity 6 z sześcioma przykładowymi scenami, a także Unreal Engine 5, Godot i Web API.
Jak długo może trwać sesja Gemini Live?
Sesje tylko audio kończą się po 15 minutach, a połączenia po około 10 minutach, chyba że dodasz kompresję okna kontekstu i wznowienie sesji. W Neocortex każda tura to osobne wywołanie API, którym zajmuje się SDK, więc sesja nie wygaśnie w trakcie rozmowy z postacią i nie ma logiki wznawiania do napisania.
Czy Gemini Live API jest darmowe?
Jest poziom darmowy, a strona cen Google mówi, że treści z poziomu darmowego są używane do ulepszania jej produktów; płatne wyjście audio rozlicza się za token.
Których modeli Gemini Live może użyć gra w Unity?
Firebase AI Logic wymienia Gemini 3.1 Flash Live Preview i modele audio native Gemini 2.5, a nie nowszy Gemini 3.8 Live. Neocortex zarządza modelem za ciebie, więc twoje postacie nie zależą od tego, który podgląd obsługuje twoje SDK.






