Neocortex Logo

Realtime Voice API для игровых NPC: сравнение 2026

OpenAI Realtime, Gemini Live, ElevenLabs Agents, Deepgram, Amazon Nova Sonic и Hume EVI для персонажей с голосом в играх, и что вы всё ещё строите поверх них.

Neocortex TeamThe team behind Neocortex

· Обновлено 20 окт. 2026 г. · 7 мин чтения

OpenAI Realtime, Gemini Live, ElevenLabs Agents, Deepgram, Amazon Nova Sonic и Hume EVI для персонажей с голосом в играх, и что вы всё ещё строите поверх них.

Hume объявила о закрытии своих голосовых API EVI и TTS, и каждый разработчик, который построил на них говорящего персонажа, теперь должен переехать. Это полезное напоминание: realtime voice API - лишь один слой игрового персонажа, и этот слой может смениться у вас под ногами.

Realtime-голосовые модели стали достаточно хорошими, чтобы демо говорящего NPC делалось за один день. Выбрать API для игры труднее, потому что большинство из них создавали для клиентской поддержки, а не для игр. Ниже сравнение основных realtime voice API для NPC в играх и того, что вы строите поверх каждого из них.

Какие realtime voice API могут озвучить NPC в игре?

OpenAI Realtime. Речь на вход и на выход через WebRTC или WebSocket, оплата за аудио- и текстовые токены. Сессия заканчивается через 60 минут. Официального SDK для Unity нет, поэтому аудиоклиент и сервер токенов вы строите сами.

Gemini Live. Realtime API от Google, тоже с оплатой за токены. Соединение WebSocket живёт около 10 минут, а возобновление сессии позволяет клиенту переподключиться и продолжить. Доступ к Unity идёт через Firebase AI Logic, SDK для Unity которого в превью.

ElevenLabs Agents. Платформа агентов, ориентированная на голос, с оплатой за минуту и отдельной оплатой языковой модели. Параллельность зависит от тарифа. ElevenLabs предлагает официальные SDK для веба и мобильных фреймворков, а также SDK для Unity на ранней стадии, который может измениться без предупреждения.

Deepgram Voice Agent. Оплата за минуту с возможностью подключить свою языковую модель или свой TTS. Есть SDK на C#, но пакета для Unity нет, а параллельность зависит от тарифа.

Amazon Nova Sonic. Речь-в-речь на Amazon Bedrock, оплата за токены, соединения ограничены 8 минутами, после чего вы открываете новое соединение и передаёте историю обратно. Он нацелен на контакт-центры и не имеет SDK для Unity.

Hume EVI. Закрывается вместе с TTS API Hume. Если вы выпустили игру на нём, планируйте переход прямо сейчас, потому что голосовые ID и конфигурации не переносятся к другим провайдерам.

Как они сравниваются?

APIСтатусПоддержка UnityОснова оплатыОграничения сессий
OpenAI RealtimeАктивенОфициального SDK нетАудио- и текстовые токеныСессии по 60 минут
Gemini LiveАктивенFirebase AI Logic, в превьюАудио- и текстовые токеныОколо 10 минут на соединение, с возобновлением
ElevenLabs AgentsАктивенОфициальный SDK на ранней стадииЗа минуту плюс LLMПараллельность по тарифу
Deepgram Voice AgentАктивенПакета нет, есть SDK на C#За минутуПараллельность по тарифу
Amazon Nova SonicАктивенНетТокеныСоединения по 8 минут
Hume EVIЗакрываетсяНетСейчас не актуальноПереезжайте сейчас

Что вам придётся строить поверх voice API?

Ни один из этих API не является игровым персонажем. С любым из них вам всё равно нужно построить:

  1. Аудиоклиент движка. Захват, кодирование, воспроизведение и прерывание в Unity или Unreal, включая WebGL, где встроенный класс микрофона Unity не работает.
  2. Бэкенд, который выдаёт короткоживущие токены, чтобы секретные ключи никогда не попадали в сборку игры, где игроки могут их извлечь.
  3. Персонажа. Личность, знания, память и ограничения, которые вы пишете и поддерживаете как промпты.
  4. Управление сессией. Переподключение до истечения лимита времени, перенос контекста между соединениями и восстановление, если сеть игрока оборвалась посреди фразы.
  5. Интеграцию с игрой. Превращение вызовов функций в действия и передача состояния сцены обратно, чтобы персонаж знал, на что смотрит игрок.
  6. Контроль расходов при оплате за минуту или за токен, включая то, что происходит, если игрок оставил микрофон открытым.
  7. Поддержку по мере того, как модели, цены и API меняются, переименовываются или закрываются.

Для небольшой команды одних пунктов 1, 2 и 4 хватает на недели работы, прежде чем первая реплика начнёт звучать как надо.

Сколько стоит работа голосового NPC?

Доминируют две модели оплаты. Оплата за токены (OpenAI, Gemini, Nova Sonic) берёт плату за аудио на входе и на выходе, поэтому длинные ответы и длинная история стоят больше по мере роста диалога. Оплата за минуту (ElevenLabs, Deepgram) берёт плату за время соединения, поэтому тишина, пока игрок читает меню, тоже считается, если вы не закрываете сессию.

В любом случае стоимость зависит от того, сколько говорят игроки, а не от того, сколько у вас игроков. Игра, где один NPC - постоянный спутник, ведёт себя совсем иначе, чем игра, где игроки болтают с торговцем по тридцать секунд. Посчитайте это до запуска, добавив языковую модель, если за неё берут отдельную плату.

Neocortex использует фиксированные месячные тарифы с лимитом использования: Starter (9 €, личное и академическое использование), Pro (29 €, коммерческое использование) и Team (99 €, пять мест).

Как перейти с голосового API, который закрывается?

Если вы уходите с Hume EVI или хотите план на день, когда другой API изменится, переход на Neocortex выглядит так:

  1. Выгрузите всё, что у вас есть. Скачайте аудио, расшифровки и логи, а также скопируйте системный промпт и настройки голоса каждого персонажа, пока доступ не закрыт.
  2. Пересоздайте каждого персонажа в редакторе. Системный промпт делится на узел Agent (кто это), узлы Personality и Emotion (как персонаж реагирует) и файл Knowledge (что он знает).
  3. Воссоздайте голос. Клонируйте его по образцу, на использование которого у вас есть права, или опишите словами и используйте создание голоса.
  4. Замените клиент. Замените свой WebSocket-аудиокод на Neocortex SDK для вашего движка или на Web API для всего остального.
  5. Сопоставьте инструменты с действиями. Каждый вызов функции, который вы обрабатывали, становится действием, которое игра выполняет, когда оно появляется в ответе.

Voice API или платформа для персонажей?

Neocortex находится на уровень выше. Вместо voice API вы получаете целого персонажа: он создаётся в визуальном редакторе, озвучивается клонированным или созданным голосом и доставляется через SDK для Unity, Unreal и Godot или через Web API.

Voice APINeocortex
SDK для движкаОбычно строите свойUnity, Unreal, Godot
Микрофон в WebGLСтроите свойВключён в SDK для Unity
Дизайн персонажаПромптыВизуальный редактор на нодах с Personality, Emotion, Knowledge и другим
ГолосаГотовые пресеты провайдераКлонирование и создание голоса (5 на Pro, 20 на Team)
Игровые действияПодключаете вызовы функций самиДействия и интерактивные объекты встроены
Структура историиСтроите самиConversation Flows с чекпоинтами flowState
Изменения у поставщикаВаша проблемаНаша проблема

Итог

Каждый из этих API - один слой голосового NPC, и закрытие Hume показывает, как быстро слой может исчезнуть. Neocortex - это целый персонаж: потоковая речь на вход и выход, собственный голос, действия, которые выполняет ваша игра, и SDK для движков, которые уже обрабатывают аудио. Постройте одного персонажа и услышьте, как он говорит в вашей сцене.

Отдельные сравнения

Данные по API проверялись в октябре 2026 года.

Частые вопросы

Закрывается ли Hume EVI?

Да. Hume прекращает работу своих API EVI и TTS 13 ноября 2026 года и удаляет данные аккаунтов после этой даты. Neocortex даёт потоковое распознавание речи, синтез речи и пользовательские голоса как часть целого персонажа, с SDK для Unity, Unreal и Godot.

Есть ли у OpenAI Realtime API SDK для Unity?

Нет, OpenAI не выпускает официального SDK для Unity, поэтому аудиоклиент, сервер токенов и логику переподключения вы строите сами. У Neocortex есть SDK для Unity 6 с шестью примерами сцен и поддержкой микрофона в сборках WebGL.

Как долго может длиться realtime-сессия с голосом?

По-разному: сессии OpenAI Realtime заканчиваются через 60 минут, соединения Gemini Live длятся около 10 минут, если их не возобновлять, а соединения Nova Sonic - 8 минут. С Neocortex SDK ведёт разговор, а вы отправляете каждую реплику игрока по мере её появления.

Какой voice API самый дешёвый для игровых NPC?

API с оплатой за токены и API с оплатой за минуту растут вместе с тем, сколько говорят игроки, и языковую модель часто оплачивают отдельно. Neocortex использует фиксированные месячные тарифы с лимитом использования.

Можно ли использовать свой голос для NPC?

Большинство voice API предлагают готовые голоса, а клонирование часто выходит отдельным продуктом. В Neocortex можно клонировать голос по короткому образцу, на использование которого у вас есть права, или создать его по текстовому описанию: 5 пользовательских голосов на Pro и 20 на Team.

Похожие статьи

Читайте также