# Fun-CosyVoice3 (modelo de voz)

> 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.

- Id: `aigd.tts-cosyvoice3`
- Origen: Oficial (propio `aigd.*`)
- Categoría: Audio
- Editor: AI Game Dev (`aigd`), verificado
- Última versión: 1.0.2 (publicado el 2026-11-22)
- Licencia: SEE LICENSE IN README.md
- Requiere la app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: no
- Valoración: aún sin valoraciones
- Página HTML: https://ai-game.dev/es/packages/aigd.tts-cosyvoice3

## Instalar

Con la CLI gamedev, en la carpeta del proyecto:

```bash
gamedev pkg add aigd.tts-cosyvoice3
```

En la app de escritorio: abre la ventana Packages (el icono de paquete en la barra de estado), selecciona **Browse**, busca `aigd.tts-cosyvoice3` y haz clic en **Add to Project**. Más: https://ai-game.dev/docs/wiki/app/packages

## Versiones

| Versión | Publicado | Requiere app | Notas |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | la más reciente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descripción

````markdown
# Fun-CosyVoice3 (`aigd.tts-cosyvoice3`)

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 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`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/CosyVoice3-GGUF) | 2.26 GB |

Convertido desde [`FunAudioLLM/Fun-CosyVoice3-0.5B-2512`](https://huggingface.co/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](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512) (`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](https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE).
- Conversión a GGUF realizada por audio.cpp — [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf); la [tabla de licencias de modelos](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md) 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.
````
