Neocortex Logo

Criar NPCs de jogo com a Gemini Live API ou usar a Neocortex

A Gemini Live API cuida de voz em tempo real, mas o suporte dela à Unity ainda está em preview. O que criar NPCs sobre ela envolve, e onde a Neocortex se encaixa.

Neocortex TeamThe team behind Neocortex

· Atualizado em 20 de out. de 2026 · 5 min de leitura

A Gemini Live API cuida de voz em tempo real, mas o suporte dela à Unity ainda está em preview. O que criar NPCs sobre ela envolve, e onde a Neocortex se encaixa.

Um NPC da Gemini Live pode conversar por cerca de dez minutos. Depois, a conexão é fechada.

A Gemini Live API do Google transmite áudio para um modelo e de volta por um WebSocket com estado, e para desenvolvedores de jogos ela é tentadora: aponte um microfone para ela, dê uma persona e pronto, você tem um NPC falante. Os problemas começam nas bordas, com os limites de sessão, um caminho para a Unity que ainda está em preview e tudo o que um jogo precisa além de uma voz. Veja o que criar NPCs sobre ela envolve, e onde a Neocortex se encaixa.

Limites de sessão com os quais você precisa lidar

O Google documenta três limites que moldam toda integração com a Gemini Live. Os jogadores não se importam com nenhum deles, e é exatamente por isso que o seu código precisa se importar.

Sessões de áudio de 15 minutos

Sem a compressão da janela de contexto, sessões somente de áudio são limitadas a 15 minutos, e sessões com áudio e vídeo a 2 minutos. A compressão usa uma janela deslizante para estender a sessão indefinidamente, ao custo de o modelo perder gradualmente as partes mais antigas da conversa. Para um companheiro que deve lembrar o início da missão, isso é uma decisão de design, não uma configuração.

Conexões de 10 minutos

Além disso, uma conexão dura cerca de 10 minutos. Quando ela termina, a sessão também termina, a menos que você a retome. Em um jogo, isso significa uma reconexão no meio de uma conversa, e o jogador nunca deveria perceber a emenda.

Identificadores de retomada

Para sobreviver a uma reconexão, você ativa a retomada de sessão. O servidor envia identificadores, e você passa o mais recente ao reconectar. Os identificadores continuam válidos por 2 horas depois que uma sessão termina. Some os tokens efêmeros, que o Google recomenda para apps clientes, e você também precisa de um backend que emita credenciais de curta duração para o cliente de cada jogador.

Suporte à Unity pelo Firebase AI Logic

A rota do Google para a Unity é o Firebase AI Logic. O suporte dele à Live API está em Preview: sem SLA, sem política de descontinuação, e pode "mudar de formas incompatíveis com versões anteriores". O Unity SDK tem exemplos de código em C#, mas o guia rápido da Live API para Unity ainda está marcado como "em breve".

A lista de modelos é mais restrita do que a da própria Gemini API. Pela Gemini Developer API, o Firebase lista o Gemini 3.1 Flash Live Preview e as prévias de áudio nativo do Gemini 2.5. Pela plataforma empresarial do Google, Agent Platform (antes Vertex AI), ele lista os modelos Live do Gemini 2.5 e nenhum modelo Live da série 3.x. O Gemini 3.8 Live, o modelo Live mais novo da Gemini API, não está em nenhuma das duas listas.

Assim, uma equipe de Unity escolhe entre um SDK em preview com modelos mais antigos ou o seu próprio cliente WebSocket contra a API bruta.

Quanto custa a Gemini Live

Os modelos Live são cobrados por token, com equivalentes por minuto publicados para o áudio. No plano pago, o áudio de entrada custa $3,00 por milhão de tokens (cerca de $0.005 por minuto) e o áudio de saída custa $12,00 por milhão de tokens (cerca de $0.018 por minuto).

Com essas tarifas, sessenta minutos de fala do jogador mais sessenta minutos de fala do NPC custam cerca de $1,38 só em áudio, antes dos tokens de texto, dos tokens de raciocínio ou das chamadas de ferramentas. Conversas reais têm pausas, então a maioria custa menos, mas a conta ainda cresce conforme os jogadores gostam de conversar.

Há um nível gratuito. A página de preços do Google observa que o conteúdo do nível gratuito é usado para melhorar os produtos dele, o que importa se os jogadores disserem coisas pessoais aos seus personagens.

Os planos da Neocortex são mensais, com uma franquia de uso. O Starter custa EUR 9 por mês para projetos pessoais e acadêmicos, e o Pro, por EUR 29 por mês, acrescenta uso comercial, chat em grupo e 5 vozes personalizadas.

Gemini Live vs Neocortex

Faça você mesmo com a Gemini LiveNeocortex
UnityFirebase AI Logic em preview, lista de modelos limitadaUnity SDK, Unity 6, seis cenas de exemplo
Outras enginesCrie o seu próprio clienteUnreal Engine 5, Godot, Web API
SessõesSessões de 15 minutos, conexões de 10 minutos, identificadores de retomadaSem limite de sessão: cada turno é uma chamada de API separada
Design do personagemPrompts no códigoEditor visual de nós
VozesVozes pré-definidas do GoogleClonagem de voz e criação de voz
Ações no jogoConecte as chamadas de funçãoAções com IDs de alvo e objetos da cena já integrados
Vários personagensVocê constróiAté seis personagens em uma conversa (Pro e Team)
IA localNãoModelos locais via Ollama na Unity para protótipos de chat de texto

API de modelo ou plataforma de personagens?

São duas abordagens diferentes, cada uma com seus trade-offs.

Construir sobre uma API de modelo dá acesso direto aos modelos mais novos e controle total sobre cada requisição. Você também herda todos os limites acima, e escreve o cliente da engine, o backend de tokens, a lógica de reconexão, os prompts do personagem e a integração com o jogo. Quando a lista de modelos ou a API mudam, você atualiza tudo.

Usar uma plataforma de personagens dá menos controle sobre o modelo bruto e mais do que um jogo precisa. Na Neocortex, personalidade, emoção, conhecimento, intenções e ações são nós em um grafo visual que um designer pode editar. Cada resposta volta com uma tag de emoção por linha e com ações como { "name": "OPEN_DOOR", "targetId": "door_02" }. Os Conversation Flows informam palavras-chave de checkpoint (flowState) conforme a história avança. A entrada de microfone funciona nos builds WebGL da Unity.

Para a maioria das equipes de jogos, a segunda lista é a que vai para o ar. Veja nossa visão geral de APIs de voz em tempo real para NPCs de jogos para comparar como as outras APIs de voz se saem nos mesmos pontos.

Próximos passos

  1. Crie uma conta na Neocortex.
  2. Crie um NPC no editor e dê a ele uma voz clonada ou criada.
  3. Converse com ele no navegador até que soe do jeito certo.
  4. Instale o Unity SDK, abra uma cena de exemplo e ouça o personagem responder dentro do seu jogo, sem nenhuma infraestrutura de sessão para escrever.

Os detalhes do Google foram verificados pela última vez em outubro de 2026.

Perguntas frequentes

A Gemini Live API funciona na Unity?

Pelo Firebase AI Logic, cujo suporte à Live API está em Preview, sem SLA, e cujo guia rápido para Unity ainda está marcado como "em breve". A Neocortex tem um Unity SDK para Unity 6 com seis cenas de exemplo, além de Unreal Engine 5, Godot e uma Web API.

Quanto tempo uma sessão da Gemini Live pode durar?

Sessões somente de áudio param em 15 minutos, e as conexões em cerca de 10 minutos, a menos que você adicione a compressão da janela de contexto e a retomada de sessão. Com a Neocortex, cada turno é uma chamada de API separada e o SDK cuida disso, então não há sessão para o seu personagem expirar e nenhuma lógica de retomada para escrever.

A Gemini Live API é gratuita?

Há um nível gratuito, e a página de preços do Google diz que o conteúdo do nível gratuito é usado para melhorar os produtos dele; a saída de áudio paga é cobrada por token.

Quais modelos da Gemini Live um jogo na Unity pode usar?

O Firebase AI Logic lista o Gemini 3.1 Flash Live Preview e os modelos de áudio nativo do Gemini 2.5, não o Gemini 3.8 Live, que é mais novo. A Neocortex gerencia o modelo para você, então os seus personagens não dependem de qual preview o seu SDK suporta.

Artigos semelhantes

Continue lendo