API Voice Agent da Deepgram para NPCs de jogos vs Neocortex
A API Voice Agent da Deepgram reúne speech-to-text, um LLM e TTS em uma taxa por minuto. Como ela se compara à Neocortex para personagens de jogo com voz.
Neocortex TeamThe team behind Neocortex
· Atualizado em 20 de out. de 2026 · 5 min de leitura

A API Voice Agent da Deepgram pode dar voz a um NPC de jogo, mas você paga por cada minuto em que a conexão fica aberta e constrói por conta própria o personagem e o cliente do motor. A Neocortex reúne o mesmo pipeline de fala com ferramentas de personagem e SDKs de motor, em planos mensais.
A Deepgram é uma empresa de reconhecimento de fala. Sua API Voice Agent roda speech-to-text, um modelo de linguagem e text-to-speech em uma única conexão WebSocket, com chamada de funções e a escolha de provedores em cada etapa. Veja aqui o que isso custa e envolve em um jogo, e como as duas se comparam.
Custos em resumo
A Deepgram publica taxas por minuto calculadas "com base no tempo de conexão WebSocket". A coluna de pagamento por uso:
| Nível do Voice Agent da Deepgram | Por minuto |
|---|---|
| Standard | $0.075 |
| Standard, com TTS próprio | $0.065 |
| Custom, com LLM próprio | $0.065 |
| Custom, com LLM e TTS próprios | $0.050 |
| Advanced | $0.163 |
Os preços de Growth reduzem cada taxa. Trazer o seu próprio LLM ou TTS também significa pagar esse provedor à parte.
Os planos da Neocortex são mensais, com uma franquia de uso incluída:
| Plano Neocortex | Preço | Inclui |
|---|---|---|
| Starter | EUR 9 por mês | Uso pessoal e acadêmico |
| Pro | EUR 29 por mês | Uso comercial, chat em grupo, 5 vozes personalizadas |
| Team | EUR 99 por mês | 5 assentos, motor de quiz, 20 vozes personalizadas |
Por que o tempo de conexão importa em um jogo
Em uma linha de suporte, a chamada começa, o agente fala e a chamada termina. Tempo de conexão e tempo de conversa são quase a mesma coisa.
Jogos são diferentes. Um jogador se aproxima de um estalajadeiro, faz duas perguntas e depois passa vinte minutos saqueando a adega antes de voltar. Se a conexão do NPC fica aberta o tempo todo, tudo isso é cobrado.
Imagine um jogo de mundo aberto em que 1.000 jogadores passam cada um uma hora perto de um NPC falador, mas só dez minutos de fato conversando com ele:
- Conexão deixada aberta: 60.000 minutos, cerca de $4.500 na taxa Standard.
- Conexão aberta só para as conversas: 10.000 minutos, cerca de $750.
O segundo número é alcançável, mas só se o seu cliente abrir e fechar conexões em torno de cada troca, e reconectar rápido o bastante para o jogador não perceber. Essa lógica é sua para escrever e testar. Na prática, significa:
- Abrir o socket quando o jogador entra no alcance de conversa ou pressiona a tecla de falar, e não quando a cena carrega.
- Fechá-lo após um tempo de silêncio, e decidir quanto esse tempo deve ser para cada NPC.
- Restaurar o contexto da conversa na reconexão, para que o estalajadeiro ainda lembre a pergunta sobre a chave da adega.
- Esconder o atraso da reconexão atrás de uma animação ou de uma fala curta, para que o jogador nunca espere em silêncio.
Cada um desses é um pequeno recurso. Acertar os quatro em todos os tipos de NPC é uma sprint à parte.
O que você constrói em cima do pipeline
A Deepgram permite configurar cada peça em movimento: LLMs gerenciados da OpenAI, Anthropic, Google e NVIDIA, ou o seu próprio endpoint compatível com OpenAI; as vozes Flux e Aura da Deepgram ou o Cartesia gerenciado; e TTS próprio da OpenAI, ElevenLabs, Cartesia ou Amazon Polly, com fallback entre provedores. Para um NPC de jogo, você ainda cuida de:
- Um cliente Unity. Os SDKs são de Python, JavaScript, C# e Go. Não há pacote nem exemplo para Unity, então a captura do microfone, a reprodução e o ciclo de vida do socket são seus.
- O personagem. Persona, conhecimento, tom e guardrails ficam em prompts e configurações que você mantém no código.
- O estado do jogo. A chamada de funções oferece um gancho, e transformar as chamadas em portas que se abrem, itens entregues e atualizações de missão é trabalho seu.
- As vozes. Uma voz de personagem clonada significa uma conta, um contrato e uma fatura separados com outro provedor.
Se você já fez um protótipo na Deepgram
A maior parte do protótipo se aproveita. Seu prompt de sistema vira o ponto de partida do personagem: o histórico vai para o nó Agent, fatos e lore vão para Conhecimento (como arquivos de texto, PDF e TXT), o tom vai para Personalidade e uma Emoção inicial. Suas definições de função viram Intenções e Ações, então, em vez de analisar uma chamada de função, seu jogo recebe o nome de uma ação e o ID do objeto que ela tem como alvo.
No lado do cliente, o código de socket personalizado deixa de existir. O SDK para Unity, a integração com a Unreal Engine 5, o plugin para Godot ou a Web API o substituem. Se você usou uma voz de TTS própria à qual tem direitos, clone-a a partir de uma amostra curta na Neocortex para que o personagem soe igual.
Deepgram Voice Agent vs Neocortex: uma matriz de decisão
| Se o seu projeto precisa de | Com o Deepgram Voice Agent | Com a Neocortex |
|---|---|---|
| Uma integração com Unity | Escrever um cliente sobre o SDK em C# | SDK para Unity, Unity 6, seis cenas de exemplo |
| Unreal ou Godot | Escrever um cliente para cada motor | Unreal Engine 5, Godot, Web API |
| Designers editando personagens | Prompts no código | Editor visual de nós: personalidade, emoção, conhecimento, intenções, ações |
| NPCs que agem no mundo | Chamada de funções que você mapeia sozinho | Ações com IDs de alvo, objetos da cena, tags de emoção por fala |
| Momentos de história com ramificações | Sua própria máquina de estados | Fluxos de Conversa com checkpoints de flowState |
| Vários NPCs em uma cena | Um agente por conexão | Até seis personagens em uma conversa (Pro e Team) |
| Uma voz única por personagem | Trazer seu próprio provedor de TTS | Clonagem e design de voz já incluídos |
| Custo mensal previsível | Por minuto de conexão aberta | Planos mensais com franquia de uso |
| Builds para navegador | Seu próprio tratamento de microfone em WebGL | Suporte a microfone no Unity WebGL |
Nossa visão
A Deepgram Voice Agent é um pipeline de fala pensado para chamadas que começam e terminam, por isso cobra pelo tempo de conexão e deixa o personagem por sua conta. Para um jogo, a Neocortex oferece fala de entrada e saída, o modelo de linguagem, as vozes e o personagem em uma só conta, com SDKs de motor e ações de gameplay, então você paga por conversas em vez de sockets abertos e gasta seu tempo no NPC em vez de na encanação.
Os dados da Deepgram foram verificados pela última vez em outubro de 2026.
Perguntas frequentes
Quanto custa a API Voice Agent da Deepgram?
A Deepgram lista o nível Standard a $0.075 por minuto no pagamento por uso, cobrado pelo tempo de conexão WebSocket, com taxas menores se você trouxer o seu próprio LLM ou TTS. A Neocortex usa planos mensais com franquia de uso, do Starter a EUR 9 por mês até o Pro a EUR 29 por mês para uso comercial.
A Deepgram tem um SDK para Unity?
Não. Os SDKs do Voice Agent cobrem Python, JavaScript, C# e Go, sem pacote nem exemplos para Unity. A Neocortex tem um SDK para Unity 6 com seis cenas de exemplo, além de Unreal Engine 5, Godot e uma Web API.
O Voice Agent da Deepgram pode usar uma voz clonada?
As vozes gerenciadas dela vêm dos próprios modelos de TTS da Deepgram e do Cartesia gerenciado, então uma voz clonada significa trazer a sua própria conta de provedor. A Neocortex inclui clonagem e design de voz, com 5 vozes personalizadas no Pro e 20 no Team.
O Deepgram Voice Agent foi feito para NPCs de jogos?
É um pipeline de agente de voz de uso geral, voltado a usos como linhas de suporte, e o design de personagem, o estado do jogo e os clientes de motor são coisas que você mesmo constrói. A Neocortex é feita para personagens de jogo, com editor visual, ações de gameplay e SDKs de motor.






