# Fun-CosyVoice3（音声モデル）

> AlibabaのTongyi Labによるローカル音声クローニング型テキスト読み上げ：Fun-CosyVoice3 0.5Bは、3〜30秒のクリップの声で中国語、英語、日本語、韓国語、ドイツ語、スペイン語、フランス語、イタリア語、ロシア語、広東語を話し、スタイル指示（感情、速度、方言）に従います。audio.cppでお使いのGPU上で動作します。Apache-2.0。

- ID: `aigd.tts-cosyvoice3`
- ソース: 公式 (ファーストパーティ `aigd.*`)
- カテゴリ: オーディオ
- パブリッシャー: AI Game Dev (`aigd`), 確認済み
- 最新バージョン: 1.0.2 (公開日 2026-11-22)
- ライセンス: SEE LICENSE IN README.md
- AI Game Dev アプリが必要です: `>=0.32.0-beta.6`
- ネイティブコード: いいえ
- 評価: まだ評価はありません
- HTML ページ: https://ai-game.dev/ja/packages/aigd.tts-cosyvoice3

## インストール

gamedev CLI を使用する場合は、プロジェクトフォルダで:

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

デスクトップアプリで: パッケージウィンドウ（ステータスバーのパッケージアイコン）を開き、**参照** を選択して `aigd.tts-cosyvoice3` を検索し、**プロジェクトに追加** をクリックします。詳細: https://ai-game.dev/docs/wiki/app/packages

## バージョン

| バージョン | 公開日 | アプリが必要 | 備考 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 説明

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

Fun-CosyVoice3 0.5B（Tongyi Lab、Alibaba）は音声クローニング型のテキスト読み上げモデルです。短い参照クリップの声でテキストを読み上げ、9言語と広東語に対応し、感情・速度・方言といったスタイル指示に従います。AI Game Devでは**ローカル音声生成**（`aigd.audiocpp`、audio.cppランタイム）を通じてお使いのGPU上で動作します。アジアとヨーロッパの言語をまたいで1人のキャラクターの声が必要なゲームに適しています。

## 作成できるもの

- 3〜30秒のクリップからクローンした声によるキャラクターのセリフを、中国語、英語、日本語、韓国語、ドイツ語、スペイン語、フランス語、イタリア語、ロシア語、広東語で。
- 言語をまたいだボイスオーバー：クリップと同じ声で、クリップとは別の言語を話させられます。
- 指示によるセリフのバリエーション：より温かく、より速く、より悲しげに、あるいは方言で。

## リクエスト例

- 「`Audio/ref/merchant.wav`をクローンして、商人の挨拶を日本語と韓国語で話して」
- 「このセリフを同じ声で読んで。ただし温かく、少しゆっくりと」
- 「追加した参照クリップで、店の会話の広東語版を音声にしてください」

## ハイライト

|  |  |
|---|---|
| モデルID | `aigd.tts-cosyvoice3.q8-0` |
| 言語 | zh、en、ja、ko、de、es、fr、it、ru、yue（広東語） |
| 音声 | 常に3〜30秒の参照クリップのクローン（書き起こしは任意） |
| スタイル指示 | あり（感情、速度、方言） |
| 出力 | 24 kHz、モノラルWAV |
| 1リクエストあたりのテキスト | 最大2,000文字 |
| 動作環境 | NVIDIA（CUDA）、Vulkan、またはMac（Metal）のGPU |
| ダウンロード | 2.26 GB、1ファイル |
| ライセンス | Apache-2.0、商用利用可 |

## 動作の仕組み

すべてのリクエストには3〜30秒の参照クリップ（プロジェクト内のWAV）が必要です。書き起こしを添えるとモデルは声を忠実にクローンし、添えない場合は言語をまたいでクローンします。スタイル指示（「温かく話して」「もっと速く」、方言など）によって話し方が変わります。

このパッケージはデータのみです。1つのファイルを指定しており、アプリは確認後にダウンロードし、sha256で検証して、お使いのコンピューター上でaudio.cppを使って実行します。

## ダウンロード

2.26 GB、1ファイル、Hugging Faceのコミット`b7b9aa1f`に固定：

| ファイル | 取得元 | サイズ |
|---|---|---:|
| `cosyvoice3-q8_0.gguf` | [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/CosyVoice3-GGUF) | 2.26 GB |

[`FunAudioLLM/Fun-CosyVoice3-0.5B-2512`](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512)から変換。

## 対応コンピューター

| コンピューター | 必要なもの | 速度 |
|---|---|---|
| NVIDIA GPU（CUDA）またはその他のGPU（Vulkan） | 約4 GBのGPUメモリ（推定） | 未計測 |
| Appleシリコン搭載Mac（Metal） | 約8 GBのメモリ（推定） | 未計測 |

## ライセンス

Apache-2.0。商用利用は可能です。

- Fun-CosyVoice3-0.5B-2512 © Tongyi Lab, Alibaba（FunAudioLLM） — [モデルカード](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512)（`license: apache-2.0`）。モデルリポジトリには**LICENSEファイルが含まれていません**。Apache-2.0の条文は[CosyVoiceコードリポジトリ](https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE)にあります。
- GGUFへの変換はaudio.cpp — [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf)。audio.cppの[モデルライセンス表](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md)ではApache-2.0、商用利用可と記載されています。

重みを再配布する際に必要な表示：Apache-2.0のライセンス条文と通知。生成した音声には表示義務はありません。

制限について率直に言えば、ライセンス上の制限は通知以外にありません。クローンするのは使用する権利のある声だけにしてください。生成したものについてはご自身が責任を負います。

パッケージでの宣言（`license`）：

- ライセンス：Apache-2.0 — https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE
- 表示：Fun-CosyVoice3-0.5B-2512 © Tongyi Lab, Alibaba（FunAudioLLM）、Apache-2.0。GGUFへの変換はaudio.cpp
- 制限（表示）：重みを再配布するには、Apache-2.0のライセンス条文と通知が必要です。
- 制限（その他）：Hugging FaceのモデルリポジトリはカードでApache-2.0を宣言していますが、LICENSEファイルは含まれていません。ライセンス条文はFunAudioLLM/CosyVoiceコードリポジトリにあります。
- 制限（その他）：音声クローニング：複製する許可を得ている声だけを使用してください。生成したものについてはご自身が責任を負います。

すべてのファイルはHugging Faceからダウンロードされます。AI Game Devはそれらをホストしていません。
````
