Neocortex Logo

游戏 NPC 语音:Deepgram Voice Agent API 与 Neocortex 对比

Deepgram Voice Agent API 将语音转文字、LLM 和 TTS 按每分钟计费打包在一起。对比其与 Neocortex 在有声游戏角色上的差异。

Neocortex TeamThe team behind Neocortex

· 更新于 2026年10月20日 · 阅读约 5 分钟

Deepgram Voice Agent API 将语音转文字、LLM 和 TTS 按每分钟计费打包在一起。对比其与 Neocortex 在有声游戏角色上的差异。

Deepgram 的 Voice Agent API 可以为游戏 NPC 配音,但你需要为每一分钟保持打开的连接付费,而且角色和引擎客户端都要由你自己构建。 Neocortex 则把同样的语音流程与角色工具和引擎 SDK 打包在一起,采用月度方案。

Deepgram 是一家语音识别公司。它的 Voice Agent API 通过一条 WebSocket 连接运行语音转文字、语言模型和文字转语音,并支持函数调用,且每个步骤都可以选择不同的服务商。 下面介绍在游戏中使用它的成本和工作量,以及两者的对比。

成本一览

Deepgram 公布的每分钟费率是“根据 WebSocket 连接时长计算”的。按量付费的价格如下:

Deepgram Voice Agent 层级每分钟
Standard$0.075
Standard,自带 TTS$0.065
Custom,自带 LLM$0.065
Custom,自带 LLM 和 TTS$0.050
Advanced$0.163

增长计划会降低每项费率。自带 LLM 或 TTS 则意味着你还需要另外向该服务商付费。

Neocortex 方案按月计费,包含一定的用量额度:

Neocortex 方案价格包含内容
StarterEUR 9/月个人和学术用途
ProEUR 29/月商业用途、群组聊天、5 个自定义声音
TeamEUR 99/月5 个席位、问答引擎、20 个自定义声音

为什么连接时长在游戏中很重要

在客服热线中,通话开始,坐席说话,通话结束。连接时长和对话时长几乎是同一回事。

游戏则不同。玩家走到旅店老板面前,问两个问题,然后花二十分钟搜刮地窖,之后才回来。 如果 NPC 的连接在整个过程中一直保持打开,那么全部时间都会计费。

设想一个开放世界游戏,有 1,000 名玩家,每人在一位健谈的 NPC 附近待一小时,但真正与它对话的只有十分钟:

  • 连接一直保持打开: 60,000 分钟,按 Standard 费率约为 $4,500。
  • 仅在对话时打开连接: 10,000 分钟,约为 $750。

第二个数字是可以实现的,但前提是你的客户端要在每次交流前后打开和关闭连接,并且重新连接的速度要快到玩家察觉不到。 这部分逻辑需要你自己编写和测试。实际上,它意味着:

  • 在玩家进入对话范围或按下对话键时打开 socket,而不是在场景加载时打开。
  • 在静默超时后关闭 socket,并为每个 NPC 决定超时时间应该多长。
  • 重新连接时恢复对话上下文,让旅店老板仍然记得关于地窖钥匙的那个问题。
  • 用动画或一句短台词掩盖重新连接的延迟,让玩家不必在沉默中等待。

这些每一项都是小功能。要在每种 NPC 类型上把四项都做好,本身就是一个独立的冲刺。

在流程之上你需要构建什么

Deepgram 允许你配置每个可变部分:来自 OpenAI、Anthropic、Google 和 NVIDIA 的托管 LLM,或你自己的兼容 OpenAI 的端点;Deepgram 的 Flux 和 Aura 声音,或托管的 Cartesia;以及来自 OpenAI、ElevenLabs、Cartesia 或 Amazon Polly 的自带 TTS,并支持服务商之间的回退。 但对于游戏 NPC,以下部分仍然需要你自己负责:

  • Unity 客户端。 其 SDK 提供 Python、JavaScript、C# 和 Go 版本。没有 Unity 包或示例,因此麦克风采集、播放以及 socket 生命周期都需要你自己处理。
  • 角色本身。 人设、知识、语气和护栏都存在于你在代码中维护的提示词和配置里。
  • 游戏状态。 函数调用为你提供了一个挂接点,而把调用转换为开门、物品交接和任务更新,则需要你自己完成。
  • 声音。 克隆角色声音意味着需要单独的服务商账户、合同和账单。

如果你已经在 Deepgram 上做过原型

你的大部分原型都可以沿用。系统提示词可以作为角色的起点:背景写入 Agent 节点,事实和背景设定放入 Knowledge(以文本或 PDF、TXT 文件的形式),语气写入 Personality,并设置一个初始 Emotion。 你的函数定义会变成 Intents 和 Actions,因此你的游戏不必再解析函数调用,而是直接收到一个动作名称以及该动作所指向对象的 ID。

在客户端方面,自定义的 socket 代码可以删掉。Unity SDK、Unreal Engine 5 集成、Godot 插件或 Web API 可以替代它。如果你使用的是你有权使用的自带 TTS 声音,可以在 Neocortex 中用一段简短的样本进行克隆,让角色的声音保持一致。

Deepgram Voice Agent 与 Neocortex:决策矩阵

如果你的项目需要使用 Deepgram Voice Agent使用 Neocortex
Unity 集成在 C# SDK 之上编写客户端Unity SDK,支持 Unity 6,包含六个示例场景
Unreal 或 Godot为每个引擎编写客户端Unreal Engine 5、Godot、Web API
设计师编辑角色在代码中编写提示词可视化节点编辑器:性格、情绪、知识、意图、动作
在世界中行动的 NPC函数调用需要你自己映射带目标 ID 的动作、场景对象、逐句情绪标签
分支式剧情节点你自己的状态机带有 flowState 检查点的对话流程
同一场景中的多个 NPC每个连接一个 agent一段对话中最多六个角色(Pro 和 Team)
每个角色独特的声音自带 TTS 服务商内置声音克隆和声音设计
可预测的月度成本按保持打开的连接分钟计费带用量额度的月度方案
浏览器版本自行处理 WebGL 麦克风支持 Unity WebGL 中的麦克风

我们的看法

Deepgram Voice Agent 是围绕开始和结束的通话设计的语音流程,因此它按连接时长计费,并把角色留给你来做。 对于游戏,Neocortex 在同一个账户中提供语音输入和输出、语言模型、声音和角色,并附带引擎 SDK 与游戏动作。因此你支付的是对话,而不是打开的 socket,你的时间可以花在 NPC 上,而不是管道上。

Deepgram 的详细信息最后一次核对时间为 2026 年 10 月。

常见问题

Deepgram Voice Agent API 的成本是多少?

Deepgram 公布的 Standard 层级按量付费为每分钟 $0.075,按 WebSocket 连接时长计费;如果你自带 LLM 或 TTS,费率会更低。Neocortex 采用带用量额度的月度方案,从每月 EUR 9 的 Starter 到每月 EUR 29 的 Pro(可用于商业用途)。

Deepgram 有 Unity SDK 吗?

没有。它的 Voice Agent SDK 涵盖 Python、JavaScript、C# 和 Go,没有 Unity 包或示例。Neocortex 提供适用于 Unity 6 的 Unity SDK,附带六个示例场景,另外还有 Unreal Engine 5、Godot 和 Web API。

Deepgram Voice Agent 能使用克隆的声音吗?

它的托管声音来自 Deepgram 自己的 TTS 模型以及托管的 Cartesia,因此使用克隆声音意味着你需要自带服务商账户。Neocortex 内置声音克隆和声音设计,Pro 方案包含 5 个自定义声音,Team 方案包含 20 个。

Deepgram Voice Agent 是为游戏 NPC 而构建的吗?

它是一个通用的语音 agent 流程,面向客服热线等用途,角色设计、游戏状态和引擎客户端都需要你自己构建。Neocortex 则是为游戏角色而构建的,提供可视化编辑器、游戏动作和引擎 SDK。

相关文章

继续阅读