Esta página se tradujo automáticamente del inglés. Lee el original en inglés.

Fun-CosyVoice3 (modelo de voz)

OficialAudioGPUv1.0.2aigd.tts-cosyvoice3
Instalar ¿Aún no tienes la app? Descárgala gratis
O desde el terminal
gamedev pkg add aigd.tts-cosyvoice3
Se ejecuta en tu ordenador. Descarga un modelo una vez y genera con la GPU de este ordenador.

Resumen

Texto a voz local con clonación de voz de Tongyi Lab de Alibaba: Fun-CosyVoice3 0.5B habla con la voz de un clip de 3-30 s en chino, inglés, japonés, coreano, alemán, español, francés, italiano, ruso y cantonés, y sigue instrucciones de estilo (emoción, velocidad, dialecto). Se ejecuta en tu GPU con audio.cpp. Apache-2.0.

Fun-CosyVoice3 0.5B (Tongyi Lab, Alibaba) es un modelo de texto a voz con clonación de voz: habla tu texto con la voz de un clip de referencia corto, en nueve idiomas más cantonés, y sigue instrucciones de estilo como emoción, velocidad o dialecto. En AI Game Dev se ejecuta en tu GPU mediante Generación de audio local (aigd.audiocpp, el runtime audio.cpp). Encaja en juegos que necesitan una sola voz de personaje en idiomas asiáticos y europeos.

Qué puedes crear

  • Diálogo de personajes con una voz clonada a partir de un clip de 3–30 s, en chino, inglés, japonés, coreano, alemán, español, francés, italiano, ruso o cantonés.
  • Doblajes entre idiomas: la misma voz hablando un idioma distinto del que aparece en el clip.
  • Variaciones de una frase mediante instrucciones: más cálida, más rápida, más triste o en un dialecto.

Ejemplos de peticiones

  • "Clona Audio/ref/merchant.wav y di el saludo del mercader en japonés y coreano."
  • "Lee esta frase con la misma voz, pero habla con calidez y un poco más despacio."
  • "Pon voz a la versión en cantonés del diálogo de la tienda con el clip de referencia que añadí."

Aspectos destacados

ID del modeloaigd.tts-cosyvoice3.q8-0
Idiomaszh, en, ja, ko, de, es, fr, it, ru, yue (cantonés)
Vocessiempre una clonación de un clip de referencia de 3–30 s (transcripción opcional)
Instrucciones de estilosí (emoción, velocidad, dialecto)
Salida24 kHz, WAV mono
Texto por peticiónhasta 2000 caracteres
Se ejecuta enGPU NVIDIA (CUDA), Vulkan o Mac (Metal)
Descarga2,26 GB, 1 archivo
LicenciaApache-2.0, uso comercial permitido

Cómo funciona

Cada petición necesita un clip de referencia de 3–30 s (un WAV de tu proyecto). Con su transcripción, el modelo clona la voz con fidelidad; sin ella, clona entre idiomas. Una instrucción de estilo («habla con calidez», «más rápido», un dialecto) cambia la interpretación.

Este paquete solo contiene datos. Nombra un archivo; la app lo descarga tras tu confirmación, lo verifica por sha256 y lo ejecuta con audio.cpp en tu ordenador.

Descarga

2,26 GB, un archivo, fijado al commit b7b9aa1f de Hugging Face:

ArchivoOrigenTamaño
cosyvoice3-q8_0.ggufaudio-cpp/audio.cpp-gguf2.26 GB

Convertido desde FunAudioLLM/Fun-CosyVoice3-0.5B-2512.

En qué ordenadores

OrdenadorNecesitaVelocidad
GPU NVIDIA (CUDA) u otra GPU (Vulkan)unos 4 GB de memoria de GPU (estimación)aún sin medir
Mac con Apple silicon (Metal)unos 8 GB de memoria (estimación)aún sin medir

Licencia

Apache-2.0. Se permite el uso comercial.

Atribución obligatoria cuando redistribuyas los pesos: el texto de la licencia Apache-2.0 y sus avisos. No se requiere atribución por la voz que generes.

Restricciones, en claro: ninguna en la licencia más allá de sus avisos. Clona solo voces que tengas derecho a usar; eres responsable de lo que generes.

Según se declara en el paquete (license):

  • Licencia: Apache-2.0 — https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE
  • Atribución: Fun-CosyVoice3-0.5B-2512 © Tongyi Lab, Alibaba (FunAudioLLM), Apache-2.0; conversión a GGUF realizada por audio.cpp
  • Restricción (atribución): redistribuir los pesos requiere el texto de la licencia Apache-2.0 y sus avisos.
  • Restricción (otra): el repositorio del modelo en Hugging Face declara Apache-2.0 en su ficha, pero no incluye ningún archivo LICENSE; el texto de la licencia está en el repositorio de código FunAudioLLM/CosyVoice.
  • Restricción (otra): clonación de voz: usa solo voces que tengas permiso de reproducir; eres responsable de lo que generes.

Todos los archivos se descargan de Hugging Face. AI Game Developer no los aloja.

Versiones

Versiones de Fun-CosyVoice3 (modelo de voz)
VersiónPublicadaRequiere la aplicación
1.0.2Última0.32.0-beta.6 o posterior
1.0.10.32.0-beta.6 o posterior

Instalar

En la app de escritorio

Abre la ventana Paquetes (el icono de paquete en la barra de estado), selecciona Explorar, busca aigd.tts-cosyvoice3 y haz clic en Añadir al proyecto.

¿Aún no tienes la app? Descarga AI Game Dev gratis para Windows, macOS o Linux.

Desde el terminal

Con la CLI gamedev, en la carpeta de tu proyecto:

gamedev pkg add aigd.tts-cosyvoice3

Requisitos

  • AI Game Dev 0.32.0-beta.6 o posterior

Más sobre los paquetes

Instalar
gamedev pkg add aigd.tts-cosyvoice3