Neocortex Logo

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 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.

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 DeepgramPor 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 NeocortexPreçoInclui
StarterEUR 9 por mêsUso pessoal e acadêmico
ProEUR 29 por mêsUso comercial, chat em grupo, 5 vozes personalizadas
TeamEUR 99 por mês5 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 deCom o Deepgram Voice AgentCom a Neocortex
Uma integração com UnityEscrever um cliente sobre o SDK em C#SDK para Unity, Unity 6, seis cenas de exemplo
Unreal ou GodotEscrever um cliente para cada motorUnreal Engine 5, Godot, Web API
Designers editando personagensPrompts no códigoEditor visual de nós: personalidade, emoção, conhecimento, intenções, ações
NPCs que agem no mundoChamada de funções que você mapeia sozinhoAções com IDs de alvo, objetos da cena, tags de emoção por fala
Momentos de história com ramificaçõesSua própria máquina de estadosFluxos de Conversa com checkpoints de flowState
Vários NPCs em uma cenaUm agente por conexãoAté seis personagens em uma conversa (Pro e Team)
Uma voz única por personagemTrazer seu próprio provedor de TTSClonagem e design de voz já incluídos
Custo mensal previsívelPor minuto de conexão abertaPlanos mensais com franquia de uso
Builds para navegadorSeu próprio tratamento de microfone em WebGLSuporte 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.

Artigos semelhantes

Continue lendo