Fun-CosyVoice3 (modelo de voz)
gamedev pkg add aigd.tts-cosyvoice3Resumen
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.wavy 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 modelo | aigd.tts-cosyvoice3.q8-0 |
| Idiomas | zh, en, ja, ko, de, es, fr, it, ru, yue (cantonés) |
| Voces | siempre una clonación de un clip de referencia de 3–30 s (transcripción opcional) |
| Instrucciones de estilo | sí (emoción, velocidad, dialecto) |
| Salida | 24 kHz, WAV mono |
| Texto por petición | hasta 2000 caracteres |
| Se ejecuta en | GPU NVIDIA (CUDA), Vulkan o Mac (Metal) |
| Descarga | 2,26 GB, 1 archivo |
| Licencia | Apache-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:
| Archivo | Origen | Tamaño |
|---|---|---|
cosyvoice3-q8_0.gguf | audio-cpp/audio.cpp-gguf | 2.26 GB |
Convertido desde FunAudioLLM/Fun-CosyVoice3-0.5B-2512.
En qué ordenadores
| Ordenador | Necesita | Velocidad |
|---|---|---|
| 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.
- Fun-CosyVoice3-0.5B-2512 © Tongyi Lab, Alibaba (FunAudioLLM) — ficha del modelo (
license: apache-2.0). El repositorio del modelo no incluye ningún archivo LICENSE; el texto de Apache-2.0 está en el repositorio de código de CosyVoice. - Conversión a GGUF realizada por audio.cpp —
audio-cpp/audio.cpp-gguf; la tabla de licencias de modelos de audio.cpp lo indica como Apache-2.0, uso comercial sí.
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
| Versión | Publicada | Requiere la aplicación |
|---|---|---|
| 1.0.2Última | 0.32.0-beta.6 o posterior | |
| 1.0.1 | 0.32.0-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-cosyvoice3Requisitos
- AI Game Dev 0.32.0-beta.6 o posterior
gamedev pkg add aigd.tts-cosyvoice3