# AI Game Dev-Pakete

> Durchsuche alle Pakete für die AI Game Dev Desktop-App und das gamedev CLI: offizielle aigd.*-Pakete und Community-Pakete, mit Versionen, Bewertungen, Lizenzen und Installationsbefehlen.

HTML: https://ai-game.dev/de/packages · Pro Paket: `https://ai-game.dev/de/packages/<id>` (Markdown: `.md` anhängen) · Installation: `gamedev pkg add <id>`, oder im Fenster „Pakete“ der Desktop-App (Durchsuchen). So funktionieren Pakete: https://ai-game.dev/docs/wiki/app/packages

Filter: Suche `-`, Quelle all, Kategorie Audio, sortiert nach featured. 32 von 74 Paketen.

## Offizielle Pakete

- [ACE-Step (Cloud-Audio)](https://ai-game.dev/de/packages/aigd.cloud-ace-step.md) (`aigd.cloud-ace-step`, v0.1.4, von AI Game Dev): ACE-Step 1.5 in der Cloud: offene Musikgenerierung aus einem Style-Prompt, 10 s bis 4 Minuten, das leichteste Cloud-Musikmodell für dein Kontingent zum Skizzieren von Game-Tracks. Verbraucht dein Kontingent; dasselbe Modell läuft auch lokal.
- [ACE-Step 1.5 (Musikmodell)](https://ai-game.dev/de/packages/aigd.audio-ace-step-1-5.md) (`aigd.audio-ace-step-1-5`, v1.0.2, von AI Game Dev): ACE-Step 1.5 Turbo Musikmodell: Songs mit Gesang oder Instrumentalstücke aus einem Stil-Prompt (Genre, Stimmung, Instrumente, Tempo) und optionalen Songtexten in 50 Sprachen, 10 s bis 10 min, 48 kHz Stereo, für Spielthemen und Soundtracks. Läuft lokal auf deiner GPU mit audio.cpp. MIT-Lizenz, kommerzielle Nutzung erlaubt.
- [Chatterbox Multilingual V3 (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-chatterbox-multilingual-v3.md) (`aigd.tts-chatterbox-multilingual-v3`, v1.0.2, von AI Game Dev): Lokale Text-to-Speech in 20 Sprachen von Resemble AI: klont eine Stimme aus einem 3-60 s langen Clip ohne Transkript oder spricht mit der eingebauten Stimme, mit einer Exaggeration-Regelung für Emotion. Für lokalisierte Spieldialoge und Voice-overs. Läuft auf der CPU in der ONNX-Runtime der App, langsamer als Echtzeit. MIT. Resemble AI pflegt das Modell nicht mehr.
- [Chatterbox Turbo (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-chatterbox-turbo.md) (`aigd.tts-chatterbox-turbo`, v1.0.3, von AI Game Dev): Schnelle lokale englische Text-to-Speech von Resemble AI (350M): die eigene Stimme des Modells oder eine aus einem 5–30-s-Clip geklonte Stimme, mit Sound-Tags wie \[laugh\], \[chuckle\] und \[cough\] im Text. Für Charakterdialoge und Voice-overs. Läuft mit llama.cpp auf einer GPU oder der CPU. MIT, kommerzielle Nutzung erlaubt.
- [ElevenLabs (Cloud-Audio)](https://ai-game.dev/de/packages/aigd.cloud-elevenlabs.md) (`aigd.cloud-elevenlabs`, v0.1.5, von AI Game Dev): ElevenLabs in der Cloud für Spielaudio: Sprache in 21 Stimmen (v4 Turbo und Eleven v4) für Dialoge und Narration sowie Soundeffekte aus einer Beschreibung, 1 bis 30 s; Musik folgt. Nutzt dein Kontingent.
- [Fish Audio S2 Pro (Sprachmodell, nicht kommerziell)](https://ai-game.dev/de/packages/aigd.tts-fish-s2-pro.md) (`aigd.tts-fish-s2-pro`, v1.0.2, von AI Game Dev): Fish Audios 4B-Text-to-Speech-Modell, lokal ausgeführt: 80+ Sprachen, Stimmklonen aus einem Clip und dessen Transkript sowie inline Vortrags-Tags wie \[laughing\], \[whisper\] oder \[pause\]. Läuft mit audio.cpp auf einer GPU mit 8 GB oder mehr. Nicht-kommerzielle Lizenz: Kommerzielle Nutzung erfordert eine separate Lizenz von Fish Audio.
- [Fun-CosyVoice3 (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-cosyvoice3.md) (`aigd.tts-cosyvoice3`, v1.0.2, von AI Game Dev): Lokale Text-zu-Sprache mit Stimmklonen von Alibabas Tongyi Lab: Fun-CosyVoice3 0.5B spricht mit der Stimme eines 3-30 s langen Clips auf Chinesisch, Englisch, Japanisch, Koreanisch, Deutsch, Spanisch, Französisch, Italienisch, Russisch und Kantonesisch und folgt Stil-Anweisungen (Emotion, Tempo, Dialekt). Läuft auf deiner GPU mit audio.cpp. Apache-2.0.
- [IndexTTS 2.5 (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-indextts25.md) (`aigd.tts-indextts25`, v1.0.2, von AI Game Dev): bilibilis IndexTTS 2.5, lokal ausgeführt: Zero-Shot-Stimmklonen aus einem 3–30 s langen Clip, mit per Instruktion beschriebener Emotion, in Chinesisch, Englisch, Japanisch, Spanisch und Arabisch. Für ausdrucksstarke Spieldialoge. Läuft mit audio.cpp auf einer GPU mit etwa 6 GB. Kommerzielle Nutzung ist unterhalb der Größenlimits der Lizenz erlaubt.
- [Kokoro (Cloud-Audio)](https://ai-game.dev/de/packages/aigd.cloud-kokoro.md) (`aigd.cloud-kokoro`, v0.1.3, von AI Game Dev): Kokoro in der Cloud: ein offenes Sprachmodell für amerikanisches Englisch mit 20 Stimmen, sparsam mit deinem Kontingent, für Platzhalter- und Entwurfsdialoge im Spiel. Verbraucht dein Kontingent; dasselbe Modell läuft auch lokal.
- [Kokoro 82M (Sprachausgabe-Modell)](https://ai-game.dev/de/packages/aigd.tts-kokoro.md) (`aigd.tts-kokoro`, v1.0.3, von AI Game Dev): hexgrads Kokoro 82M, ein kleines, hoch bewertetes englisches Text-to-Speech-Modell, lokal ausgeführt: 28 amerikanische und britische Preset-Stimmen für NPC-Dialoge, Erzählung und UI-Zeilen. Schnell selbst auf einer CPU (llama.cpp); kein Voice Cloning. Apache-2.0, kommerzielle Nutzung erlaubt.
- [Lokale Soundeffekte und Musik (Stable Audio 3)](https://ai-game.dev/de/packages/aigd.sa3cpp.md) (`aigd.sa3cpp`, v1.0.2, von AI Game Dev): Laufzeitumgebung für lokale Soundeffekte und Musik in AI Game Dev mit sa3.cpp, dem C++/ggml-Port von Stable Audio 3, auf CUDA, Vulkan, Metal oder der CPU, ohne Python. Führt die Modelle Stable Audio 3 Small SFX, Small Music und Medium aus, die separate Pakete sind.
- [Lokale Sprache (llama.cpp)](https://ai-game.dev/de/packages/aigd.llamacpp.md) (`aigd.llamacpp`, v1.0.2, von AI Game Dev): Spricht Text auf diesem Computer mit dem Sprachwerkzeug von llama.cpp aus – offline und ohne dein Kontingent zu verbrauchen: Voice-Lines, Erzählertext und Platzhalter-Dialoge auf NVIDIA-, AMD-, Intel- oder Apple-GPUs oder auf der CPU. Modelle wie Kokoro und Chatterbox Turbo sind eigene Pakete.
- [Lyria (Cloud-Audio)](https://ai-game.dev/de/packages/aigd.cloud-lyria.md) (`aigd.cloud-lyria`, v0.1.4, von AI Game Dev): Google Lyria 3 Musik in der Cloud: 30-Sekunden-Clips, instrumental oder mit Gesang, aus einer Textbeschreibung – für Menü-Themes, Level-Musikskizzen und Musikbetten für Trailer. Verbraucht dein Kontingent.
- [Magenta RealTime 2 (Musikmodell)](https://ai-game.dev/de/packages/aigd.audio-magenta-rt2.md) (`aigd.audio-magenta-rt2`, v1.0.2, von AI Game Dev): Instrumentalmusik-Modelle von Google Magenta RealTime 2: Hintergrundmusik aus einem Style-Prompt, 1 s bis 3 min, 48 kHz Stereo, kein Gesang. Small (230M) läuft auf jeder GPU und sogar auf einer CPU, Base (2.4B) braucht eine GPU. Läuft lokal mit audio.cpp. CC BY 4.0, kommerzielle Nutzung erlaubt.
- [Magpie TTS Multilingual (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-magpie.md) (`aigd.tts-magpie`, v1.0.2, von AI Game Dev): NVIDIAs Magpie TTS Multilingual 357M, lokal ausgeführt: Sprache in 13 Sprachen und Dialekten (darunter Hindi, Vietnamesisch, brasilianisches Portugiesisch und drei arabische Varianten) mit fünf voreingestellten Stimmen, für lokalisierten Dialog und Ansagen. Kein Voice Cloning. Am besten auf einer GPU, mit audio.cpp. NVIDIA Open Model License.
- [Ming-3.0 TTS 0.5B (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-ming3.md) (`aigd.tts-ming3`, v1.0.2, von AI Game Dev): Ming-3.0 TTS 0.5B von inclusionAI, lokal ausgeführt: Sprache in Chinesisch, Englisch, Japanisch, Koreanisch, Deutsch, Französisch und Spanisch, mit Voice Cloning aus einem Clip und Stimmdesign aus einer Textbeschreibung, für unverwechselbare Stimmen von Spielcharakteren. Am besten auf einer GPU, mit audio.cpp. MIT, kommerzielle Nutzung erlaubt.
- [MiniMax-Music3 (Musikmodell)](https://ai-game.dev/de/packages/aigd.audio-minimax-music3.md) (`aigd.audio-minimax-music3`, v1.0.2, von AI Game Dev): MiniMax-Music3: vollständige Songs mit gesungenem Gesang aus einem Stil-Prompt und Songtexten mit \[verse\]/\[chorus\]-Tags, bis zu 5 Minuten, 44.1 kHz Stereo, für Titelsongs und Soundtrack-Singles. Läuft lokal auf deiner GPU mit audio.cpp. Community-Lizenz: "MiniMax-Music3" anzeigen, Ausgabe als maschinell generiert kennzeichnen, Umsatzobergrenze.
- [MOSS-SoundEffect v2 (Soundeffekt-Modell)](https://ai-game.dev/de/packages/aigd.audio-moss-soundeffect-v2.md) (`aigd.audio-moss-soundeffect-v2`, v1.0.2, von AI Game Dev): MOSS-SoundEffect v2 von OpenMOSS: Soundeffekte und Atmosphäre (Natur, Stadt, Kreaturen, menschliche Handlungen) aus einer englischen oder chinesischen Beschreibung, 1 bis 30 s, 48 kHz mono, für Level und Szenen im Spiel. Läuft lokal auf deiner GPU mit audio.cpp. Apache-2.0 (laut Modellkarte), kommerzielle Nutzung erlaubt.
- [OmniVoice (Sprachmodell, nicht kommerziell)](https://ai-game.dev/de/packages/aigd.tts-omnivoice.md) (`aigd.tts-omnivoice`, v1.0.2, von AI Game Dev): OmniVoice von k2-fsa, lokal ausgeführt: Text-to-Speech in 600+ Sprachen mit eigener Standardstimme oder einer aus einem Clip und dessen Transkript geklonten Stimme. Nützlich für seltene Sprachen in nicht kommerziellen Projekten. Am besten auf einer GPU, mit audio.cpp. Nicht kommerzielle Lizenz (CC-BY-NC).
- [Phonon 31M (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-phonon.md) (`aigd.tts-phonon`, v1.0.2, von AI Game Dev): Gradiums Phonon 31M: ein winziges lokales englisches Text-to-Speech-Modell mit einer Stimme – schneller als Echtzeit auf einer Laptop-CPU, für schnelle Erzählertexte, UI- und Platzhalterzeilen. 85,5 MB Download, läuft mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.
- [Pocket TTS 100M (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-pocket.md) (`aigd.tts-pocket`, v1.0.2, von AI Game Dev): Kyutais Pocket TTS 100M, lokal betrieben: je ein Checkpoint für Englisch, Französisch, Deutsch, Spanisch, Italienisch und Portugiesisch, 15 vorgegebene Stimmen pro Sprache oder Voice-Cloning aus einem kurzen Clip ohne Transkript. Schneller als Echtzeit auf einer CPU, mit audio.cpp. CC-BY-4.0: kommerzielle Nutzung mit Namensnennung, unter Kyutais Nutzungsbedingungen.
- [Qwen3-TTS 0.6B Base (Sprachmodell)](https://ai-game.dev/de/packages/aigd.audio-qwen3-tts-0-6b-base.md) (`aigd.audio-qwen3-tts-0-6b-base`, v1.0.2, von AI Game Dev): Qwen3-TTS 0.6B Base: Text-to-Speech, das die Stimme eines kurzen Referenzclips (ab 3 s) in 10 Sprachen klont, 24 kHz, für Charakterdialoge und Erzählung. Das kleinere Cloning-Modell für GPUs mit etwa 4 GB (Schätzung). Läuft lokal mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.
- [Qwen3-TTS 1.7B Base (Sprachmodell)](https://ai-game.dev/de/packages/aigd.audio-qwen3-tts-1-7b-base.md) (`aigd.audio-qwen3-tts-1-7b-base`, v1.0.2, von AI Game Dev): Qwen3-TTS 1.7B Base: Text-to-Speech, das die Stimme eines kurzen Referenzclips (3 s oder mehr) in 10 Sprachen klont, 24 kHz, für Charakterdialoge und Erzählung. Das größere Cloning-Modell für GPUs mit etwa 6 GB (Schätzung). Läuft lokal mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.
- [Qwen3-TTS 1.7B CustomVoice (Sprachmodell)](https://ai-game.dev/de/packages/aigd.audio-qwen3-tts-1-7b-customvoice.md) (`aigd.audio-qwen3-tts-1-7b-customvoice`, v1.0.2, von AI Game Dev): Qwen3-TTS 1.7B CustomVoice: Text-to-Speech mit neun integrierten Stimmen sowie Anweisungen zu Emotion und Sprechweise („Aufgeregt, schnell“, „Flüsternd, traurig“) in 10 Sprachen, 24 kHz, für NPC-Dialoge und Erzählung. Läuft lokal auf deiner GPU mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.
- [Qwen3-TTS 1.7B VoiceDesign (Sprachsynthese-Modell)](https://ai-game.dev/de/packages/aigd.audio-qwen3-tts-1-7b-voicedesign.md) (`aigd.audio-qwen3-tts-1-7b-voicedesign`, v1.0.2, von AI Game Dev): Qwen3-TTS 1.7B VoiceDesign: Text-to-Speech mit einer neuen Stimme, die aus einer Textbeschreibung („Ein ruppiger alter Seemann, tief und langsam“) entsteht und auch Emotion und Vortrag festlegt – in 10 Sprachen, 24 kHz, für Charakterstimmen. Läuft lokal auf deiner GPU mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.
- [Stable Audio 3 Medium (Musikmodell)](https://ai-game.dev/de/packages/aigd.audio-stable-audio-3-medium.md) (`aigd.audio-stable-audio-3-medium`, v1.1.3, von AI Game Dev): Stable Audio 3 Medium: Instrumentalmusik aus einem Text-Prompt, bis zu 6 Min. 20 s, 44,1 kHz Stereo, ohne Gesang; das größere Stable Audio 3 Musikmodell für ganze Soundtrack-Stücke. Läuft lokal mit sa3.cpp auf einer GPU (12 GB unter CUDA, 13 GB unter Vulkan für die längsten Stücke). Stability AI Community License: kommerzielle Nutzung nur unter 1 Mio. US$ Jahresumsatz, nach Registrierung.
- [Stable Audio 3 Small Music (Musikmodell)](https://ai-game.dev/de/packages/aigd.audio-stable-audio-3-small-music.md) (`aigd.audio-stable-audio-3-small-music`, v1.1.3, von AI Game Dev): Stable Audio 3 Small Music: Instrumentalmusik und Loops aus einem Text-Prompt, bis zu 2 Minuten, 44,1 kHz Stereo, kein Gesang, für Spiel-Hintergrundmusik, Cues und Jingles. Läuft lokal mit sa3.cpp auf einer GPU mit 4 GB oder langsam auf einer CPU. Stability AI Community License: kommerzielle Nutzung nur unter 1 Mio. US$ Jahresumsatz, nach Registrierung.
- [Stable Audio 3 Small SFX (Soundeffekt-Modell)](https://ai-game.dev/de/packages/aigd.audio-stable-audio-3-small-sfx.md) (`aigd.audio-stable-audio-3-small-sfx`, v1.1.3, von AI Game Dev): Stable Audio 3 Small SFX: Soundeffekte und Foley für Spiele aus einem Text-Prompt (Impacts, Schritte, UI-Sounds, Atmosphären), 1 bis 60 s, 44,1 kHz Stereo. Läuft lokal mit sa3.cpp auf einer GPU mit 4 GB oder langsam ohne GPU. Stability AI Community License: kommerzielle Nutzung nur unter 1 Mio. US$ Jahresumsatz, nach Registrierung.
- [SuperCollider](https://ai-game.dev/de/packages/aigd.supercollider.md) (`aigd.supercollider`, v0.1.12, von AI Game Dev): Komponiere, rendere, analysiere und exportiere portable Spielmusik mit SuperCollider 3.14.1 auf deinem Computer: Scores als Code in deinem Projekt, Offline-WAV-Renders, synchronisierte Stems und Loops, Sample-Import, Vorschau und Export nach Unity, Godot oder Unreal.
- [Supertonic 3 (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-supertonic-3.md) (`aigd.tts-supertonic-3`, v1.0.2, von AI Game Dev): Supertonic 3 von Supertone: schnelles lokales Text-to-Speech in 31 Sprachen mit zehn voreingestellten Stimmen und den Tags \<laugh\>, \<breath\> und \<sigh\> im Text – für lokalisierten Dialog und Erzählung. Läuft auf der CPU in der ONNX-Runtime der App. Kein Voice-Cloning. Open RAIL-M: kommerzielle Nutzung im Rahmen ihrer Nutzungsbeschränkungen.
- [VoxCPM2 (Sprachmodell)](https://ai-game.dev/de/packages/aigd.audio-voxcpm2.md) (`aigd.audio-voxcpm2`, v1.0.2, von AI Game Dev): VoxCPM2 von OpenBMB: Text-to-Speech in 30 Sprachen und 9 chinesischen Dialekten bei 48 kHz, mit Stimmklon aus einem kurzen Clip, Stimmdesign aus einer Beschreibung sowie Emotions- und Tempoangaben – für Charakterdialoge und Erzählung. Läuft lokal auf deiner GPU mit audio.cpp. Apache-2.0, kommerzielle Nutzung erlaubt.
- [ZONOS3-Mini (Sprachmodell)](https://ai-game.dev/de/packages/aigd.tts-zonos3-mini.md) (`aigd.tts-zonos3-mini`, v1.0.2, von AI Game Dev): Zyphras ZONOS3-Mini, ein ausdrucksstarkes lokales Text-to-Speech-Modell: Englisch, Französisch, Deutsch, Spanisch, Italienisch, Portugiesisch, Chinesisch und Koreanisch mit 13 voreingestellten Stimmen oder Stimmklon aus einem Clip. Läuft mit audio.cpp auf einer Laptop-CPU (etwa Echtzeit) oder einer GPU. Apache-2.0, kommerzielle Nutzung erlaubt.
