# AI Game Dev packages — 日本語 > The package catalog in 日本語 (Japanese, `ja`): the interface is machine-translated; package names, descriptions and READMEs are the packages' own translations. English is the source and the authoritative version: https://ai-game.dev/packages/llms.txt lists every package. The catalog in this language: https://ai-game.dev/ja/packages.md ## Official - [ACE-Step 1.5(音楽モデル)](https://ai-game.dev/ja/packages/aigd.audio-ace-step-1-5.md): `aigd.audio-ace-step-1-5` v1.0.2. ACE-Step 1.5 Turbo音楽モデル:スタイルプロンプト(ジャンル、ムード、楽器、テンポ)と任意の歌詞から、ボーカル入りまたはインストゥルメンタルの楽曲を50言語で生成します。長さは10秒〜10分、48 kHzステレオ。ゲームのテーマ曲やサウンドトラックに。audio.cppでお使いのGPU上でローカルに動作します。MITライセンスで商用利用可能。 - [Magenta RealTime 2(音楽モデル)](https://ai-game.dev/ja/packages/aigd.audio-magenta-rt2.md): `aigd.audio-magenta-rt2` v1.0.2. Google Magenta RealTime 2 インストゥルメンタル音楽モデル。スタイルプロンプトから1秒〜3分の48 kHzステレオBGMを生成し、ボーカルはありません。Small(230M)はどのGPUでも、CPUでも動作し、Base(2.4B)はGPUが必要です。audio.cppでローカルに動作します。CC BY 4.0、商用利用可能。 - [MiniMax-Music3(音楽モデル)](https://ai-game.dev/ja/packages/aigd.audio-minimax-music3.md): `aigd.audio-minimax-music3` v1.0.2. MiniMax-Music3:スタイルプロンプトと\[verse\]/\[chorus\]タグ付きの歌詞から、歌付きのフル楽曲を生成します。最長5分、44.1 kHzステレオ。テーマソングやサウンドトラックのシングルに。audio.cppによりお使いのGPUでローカルに動作します。コミュニティライセンス:「MiniMax-Music3」の表示、出力が機械生成であることの明示、収益上限の条件があります。 - [MOSS-SoundEffect v2(効果音モデル)](https://ai-game.dev/ja/packages/aigd.audio-moss-soundeffect-v2.md): `aigd.audio-moss-soundeffect-v2` v1.0.2. OpenMOSSによるMOSS-SoundEffect v2は、英語または中国語の説明文から効果音や環境音(自然、街、生き物、人間の動作)を生成するモデルです。長さは1〜30秒、48 kHzモノラルで、ゲームのレベルやシーンに使えます。audio.cppを使ってお使いのGPU上でローカルに動作します。Apache-2.0(モデルカードによる)で、商用利用が可能です。 - [Qwen3-TTS 0.6B Base(音声モデル)](https://ai-game.dev/ja/packages/aigd.audio-qwen3-tts-0-6b-base.md): `aigd.audio-qwen3-tts-0-6b-base` v1.0.2. Qwen3-TTS 0.6B Base:短い参照クリップ(3秒以上)の声をクローンする音声合成モデルで、10言語に対応し、24 kHzでキャラクターのセリフやナレーションに向きます。小さいほうのクローンモデルで、約4 GBのGPU(推定)向けです。audio.cppでローカルに動作します。Apache-2.0で、商用利用が可能です。 - [Qwen3-TTS 1.7B Base(音声モデル)](https://ai-game.dev/ja/packages/aigd.audio-qwen3-tts-1-7b-base.md): `aigd.audio-qwen3-tts-1-7b-base` v1.0.2. Qwen3-TTS 1.7B Base:短い参照クリップ(3 s以上)の声を10言語でクローンするテキスト読み上げ、24 kHz。キャラクターのセリフやナレーション向けです。より大型のクローニングモデルで、約6 GBのGPU(推定)向け。audio.cppでローカルに動作します。Apache-2.0、商用利用可能。 - [Qwen3-TTS 1.7B CustomVoice(音声モデル)](https://ai-game.dev/ja/packages/aigd.audio-qwen3-tts-1-7b-customvoice.md): `aigd.audio-qwen3-tts-1-7b-customvoice` v1.0.2. Qwen3-TTS 1.7B CustomVoice:9種類の内蔵ボイスと、感情・話し方の指示(「興奮して、速く」「ささやくように、悲しげに」)を使える10言語対応のテキスト読み上げモデルです。24 kHzで、NPCのセリフやナレーションに適しています。audio.cppでお使いのGPU上でローカルに動作します。Apache-2.0で、商用利用が可能です。 - [Qwen3-TTS 1.7B VoiceDesign(音声モデル)](https://ai-game.dev/ja/packages/aigd.audio-qwen3-tts-1-7b-voicedesign.md): `aigd.audio-qwen3-tts-1-7b-voicedesign` v1.0.2. Qwen3-TTS 1.7B VoiceDesign:テキストの記述(「しわがれ声の老いた船乗り、低くゆっくり」)から設計した新しい声で読み上げる音声合成です。感情と話し方もその記述で指定でき、10言語、24 kHz、キャラクターボイス向けです。audio.cpp によりお使いの GPU でローカルに動作します。Apache-2.0、商用利用可。 - [Stable Audio 3 Medium(音楽モデル)](https://ai-game.dev/ja/packages/aigd.audio-stable-audio-3-medium.md): `aigd.audio-stable-audio-3-medium` v1.1.3. Stable Audio 3 Medium:テキストプロンプトからインストルメンタル音楽を生成。最長6分20秒、44.1 kHzステレオ、ボーカルなし。Stable Audio 3の大型音楽モデルで、フルレングスのサウンドトラック曲向けです。sa3.cppによりGPU上でローカル動作します(最長の曲ではCUDAで12 GB、Vulkanで13 GB)。Stability AI Community License:商用利用は年間売上100万米ドル未満かつ登録後のみ可能です。 - [Stable Audio 3 Small Music(音楽モデル)](https://ai-game.dev/ja/packages/aigd.audio-stable-audio-3-small-music.md): `aigd.audio-stable-audio-3-small-music` v1.1.3. Stable Audio 3 Small Music:テキストプロンプトから最大2分のインストゥルメンタル音楽とループを生成します。44.1 kHzステレオ、ボーカルなし。ゲームのBGM、キュー、ジングル向けです。sa3.cppにより4 GBのGPUでローカルに動作し、CPUでは低速で動作します。Stability AI Community License:商用利用は年間売上US$1M未満で、登録後にのみ可能です。 - [Stable Audio 3 Small SFX(効果音モデル)](https://ai-game.dev/ja/packages/aigd.audio-stable-audio-3-small-sfx.md): `aigd.audio-stable-audio-3-small-sfx` v1.1.3. Stable Audio 3 Small SFX:テキストプロンプトからゲーム用の効果音やフォーリー(打撃音、足音、UIサウンド、環境音)を1〜60秒、44.1 kHzステレオで生成します。GPU 4 GBでsa3.cppによりローカル動作し、GPUなしでも低速ながら動作します。Stability AI Community License:商用利用は年間売上100万米ドル未満に限られ、登録が必要です。 - [VoxCPM2(音声モデル)](https://ai-game.dev/ja/packages/aigd.audio-voxcpm2.md): `aigd.audio-voxcpm2` v1.0.2. OpenBMBによるVoxCPM2は、30言語と中国語9方言を48 kHzで音声合成するテキスト読み上げモデルです。短いクリップからのボイスクローン、説明文からのボイス設計、感情と速度の指示に対応し、キャラクターの台詞やナレーションに使えます。audio.cppによりお使いのGPUでローカルに動作します。Apache-2.0、商用利用可。 - [ローカル音声生成(audio.cpp)](https://ai-game.dev/ja/packages/aigd.audiocpp.md): `aigd.audiocpp` v1.0.2. AI Game Devでローカルに音楽、効果音、音声を生成するためのランタイムです。audio.cpp(C++、ggml)を使い、CUDA、Vulkan、MetalまたはCPU上で動作します。ACE-Step 1.5、MiniMax-Music3、Magenta RealTime 2、MOSS-SoundEffect v2、Qwen3-TTS、VoxCPM2などの音声モデルを実行できます。モデルは別パッケージです。 - [Blender](https://ai-game.dev/ja/packages/aigd.blender.md): `aigd.blender` v1.2.16. チャットから実際のBlenderで3Dモデルを作成・編集できます。Blenderを検出またはインストールし、MCP for Blenderアドオンをインストールして、プロジェクトごとにエージェントへ接続します。小道具、ブロックアウト、ローポリアセットを作り、Unity、Godot、Unrealのプロジェクトにエクスポートしてプレビューできます。 - [ACE-Step(クラウドオーディオ)](https://ai-game.dev/ja/packages/aigd.cloud-ace-step.md): `aigd.cloud-ace-step` v0.1.4. クラウド上のACE-Step 1.5。スタイルプロンプトから10秒〜4分のオープンな音楽生成ができ、ゲーム曲のスケッチ用として利用枠の中で最も軽いクラウド音楽モデルです。利用枠を消費します。同じモデルはローカルでも実行できます。 - [ElevenLabs(クラウド音声)](https://ai-game.dev/ja/packages/aigd.cloud-elevenlabs.md): `aigd.cloud-elevenlabs` v0.1.5. ゲーム音声向けのクラウド版ElevenLabsです。21種類の音声(v4 TurboとEleven v4)によるセリフとナレーション、説明文から生成する1~30秒の効果音を利用でき、音楽は今後追加予定です。プランの利用枠を消費します。 - [Gemini Omni(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-gemini-omni.md): `aigd.cloud-gemini-omni` v0.1.4. クラウド上のGemini Omni Flash 1.2動画:テキスト、開始画像、または開始フレームと終了フレームからクリップを生成し、常に音声付き。5~10秒、360pから1080pまで。ゲームのトレーラーやアンビエンスショットに。プランの利用枠を消費します。 - [Hailuo(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-hailuo.md): `aigd.cloud-hailuo` v0.1.3. クラウド上のMiniMax Hailuo H3 Max動画:ゲームトレーラーやアクションカット向けに、物理演算とカメラモーションに優れ、テキスト、開始画像、または開始フレームと終了フレームから、5秒または10秒、最大1080pのサイレント動画を生成します。利用枠を消費します。 - [HappyHorse(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-happyhorse.md): `aigd.cloud-happyhorse` v0.1.3. HappyHorse 1.1の動画をクラウドで:プロンプト、開始画像、または最大9枚の参照画像から、キャラクターの一貫性を保ったクリップを生成します。5秒または10秒、720pまたは1080p、無音。カットシーンやトレーラーに登場するゲームキャラクター向けです。利用枠を消費します。 - [HunyuanVideo(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-hunyuan-video.md): `aigd.cloud-hunyuan-video` v0.1.3. TencentのオープンなHunyuanVideo 1.5をクラウドで(近日公開):プロンプトまたは開始画像からリアルな動きを、480pで5秒、無音で生成します。利用枠を消費します。 - [Kling(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-kling.md): `aigd.cloud-kling` v0.1.3. Kling 3.0とO3によるクラウド動画で、ゲームのトレーラーやカットシーン向け:テキスト、開始画像、または開始・終了フレームから音声付きのシネマティックなクリップを、720pまたは1080pで5~15秒、O3では最大4枚の参照画像付きで生成できます。利用枠を消費します。 - [Kokoro(クラウド音声)](https://ai-game.dev/ja/packages/aigd.cloud-kokoro.md): `aigd.cloud-kokoro` v0.1.3. クラウド上のKokoro:20種類の声を持つオープンなアメリカ英語音声モデルで、利用枠の消費が少なく、仮置きや下書きのゲーム台詞に向いています。利用枠を消費します。同じモデルはローカルでも実行できます。 - [LTX(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-ltx.md): `aigd.cloud-ltx` v0.1.4. クラウド上のLTX-2.5動画:テキストまたは開始画像から、同期音声付きの最大2160pの高解像度クリップを6~10秒で生成でき、ゲームのトレーラーやストアページに適しています。利用枠を消費します。同じファミリーはローカルでも実行できます。 - [Lyria(クラウドオーディオ)](https://ai-game.dev/ja/packages/aigd.cloud-lyria.md): `aigd.cloud-lyria` v0.1.4. クラウド上のGoogle Lyria 3音楽:テキストの説明から、インストゥルメンタルまたはボーカル入りの30秒クリップを生成し、ゲームのメニューテーマ、レベル音楽のスケッチ、トレーラー用BGMに使えます。ご利用枠を消費します。 - [クラウド生成](https://ai-game.dev/ja/packages/aigd.cloud-media.md): `aigd.cloud-media` v0.1.4. AI-GAME.DEVの利用枠を使って、チャットからクラウドで動画、音声、音楽、効果音を生成します。クラウドモデルファミリーパッケージの共有ホストです。既定でオンになっており、チャットの生成予算(既定では週間利用枠の30%)内のジョブは確認なしで実行されます。チャットごとに、各ジョブの前に確認する設定や、ローカルのみで使う設定に切り替えられます。 - [PixVerse(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-pixverse.md): `aigd.cloud-pixverse` v0.1.3. クラウドで動くPixVerse V6:テキスト、開始画像、または開始フレームと終了フレームから、サウンド付きも選べるスタイライズド/リアルなクリップを、5〜10秒、360p〜1080p、5種類のアスペクト比で高速に生成します。ご利用枠を消費します。 - [Seedance(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-seedance.md): `aigd.cloud-seedance` v0.1.3. ByteDanceのSeedance 2.0動画をクラウドで(2.5は近日提供予定):テキスト、開始画像、開始フレームと終了フレーム、または最大9枚の参照画像から、音声付きのクリップを生成します。キャラクターの一貫性を保ったゲームのカットシーンやトレーラーに最適です。5秒または10秒、720pまたは1080p。利用枠を消費します。 - [Veo(クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-veo.md): `aigd.cloud-veo` v0.1.3. クラウド上のGoogle Veo 3.1動画: 下書き向けのLite、最大4kの最終ショット向けのFastとStandard。いずれも音声と開始・終了フレームに対応し、Standardは最大3枚の参照画像も使えます。ゲームトレーラーやカットシーン向けの4〜8 sのクリップ。ご利用枠を消費します。 - [Wan (クラウド動画)](https://ai-game.dev/ja/packages/aigd.cloud-wan.md): `aigd.cloud-wan` v0.1.3. オープンなWan動画モデルをクラウドで利用できます。素早い無音ドラフト向けの2.2、音声付きの高品質向けの3.0 Prime。テキスト、開始画像、または開始フレームと終了フレームから、最大1080pで生成します。AI Game Devのサーバー上で、お客様の許容量を使って実行されます。同じファミリーはローカルでも実行できます(Wan 2.2 TI2V 5B)。 - [Animagine XL 4.0(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-animagine-xl-4.md): `aigd.image-animagine-xl-4` v1.0.4. アニメ調のイラストとキャラクター(Cagliostro Research LabによるSDXLのファインチューニング)をローカルで実行できます。キャラクターのポートレート、衣装のコンセプト、アニメ調のキーアートなどに。プロンプトはカンマ区切りのタグで指定します。テキストから画像、画像から画像に対応。生成した画像の商用利用も可能です(CreativeML Open RAIL++-M)。NVIDIA GPU(8 GB以上)が必要です。 - [FLUX.1 schnell(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-flux1-schnell.md): `aigd.image-flux1-schnell` v1.0.5. FLUX.1 schnellをローカルで実行:4ステップでシャープなイラスト、写真、コンセプトアート、アイコン、スプライトを生成します。テキストから画像、画像から画像の生成に対応。Apache-2.0、商用利用可。NVIDIA GPU(8 GB以上)が必要です。 - [FLUX.2 klein 4B(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-flux2-klein-4b.md): `aigd.image-flux2-klein-4b` v1.0.4. Apple silicon搭載Mac向けのFLUX.2 klein 4Bをローカルで実行:4ステップでイラスト、コンセプトアート、アイコン、スプライトを生成します。テキストから画像、画像から画像の両方に対応。Apache-2.0で商用利用も可能。8 GBのMacでは低速です(512 pxの画像1枚に約1分)。 - [Juggernaut XL v9(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-juggernaut-xl-v9.md): `aigd.image-juggernaut-xl-v9` v1.0.4. Juggernaut XL v9をローカルで実行できる、シネマティックでフォトリアルな画像生成モデル(SDXLのファインチューン)です。ドラマチックな光が特徴で、キャラクター、環境、ムードボード、キーアートに適しています。テキストの描画は苦手です。テキストから画像、画像から画像に対応します。生成した画像の商用利用は可能です(CreativeML Open RAIL-M)。NVIDIA GPU(8 GB以上)が必要です。 - [Qwen-Image(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-qwen-image.md): `aigd.image-qwen-image` v1.0.4. Qwen-Image をローカルで実行:看板、ポスター、UI モックアップ、イラスト、写真におけるテキスト描画とプロンプト追従性はカタログ中で最高です。テキストから画像、画像から画像に対応。Apache-2.0 で商用利用も可能。NVIDIA GPU 16 GB 以上と 32 GB の RAM が必要です。 - [Qwen-Image-2.1 Turbo(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-qwen-image-2-1-turbo.md): `aigd.image-qwen-image-2-1-turbo` v1.1.2. 真の透明背景(RGBA PNG)のスプライト、アイコン、オブジェクトを8ステップで生成します。非商用ライセンスで、ダウンロード前に同意が必要です。NVIDIA GPU 8 GB以上、またはGPUのないWindows PCのプロセッサ(低速で、高速なデスクトップで512 pxの画像1枚あたり約1分)が必要です。メモリは16 GBです。 - [Qwen-Image-2.1 Turbo Q3(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-qwen-image-2-1-turbo-q3.md): `aigd.image-qwen-image-2-1-turbo-q3` v1.0.2. Qwen-Image-2.1 Turbo の小型版(Q3\_K\_M)。6~8 GB の NVIDIA GPU 向けで、8 ステップで本物の透明背景(RGBA PNG)を生成します。テキストエンコーダーはプロセッサ上で動作します。非商用ライセンス:ダウンロード前に同意が必要です。16 GB の RAM を必要とします。 - [Qwen-Image-2.1 Turbo Q8(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-qwen-image-2-1-turbo-q8.md): `aigd.image-qwen-image-2-1-turbo-q8` v1.0.2. Qwen-Image-2.1 Turboを高精度(Q8\_0)で使う、12 GB以上のNVIDIA GPU向けのモデルです。8ステップで本物の透明背景(RGBA PNG)を生成します。非商用ライセンスで、ダウンロード前に同意が必要です。24 GBのRAMを必要とします。 - [Qwen-Image-2512(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-qwen-image-2512.md): `aigd.image-qwen-image-2512` v1.1.1. Qwen-Image-2512をローカルで実行:カタログ内で最高のテキスト描画とプロンプト追従を、看板、ポスター、UIモックアップ、イラスト、写真向けにフル品質(20 steps)で実現します。Apache-2.0、商用利用可能。NVIDIA GPU 16 GB以上と32 GBのRAMが必要です。 - [Qwen-Image-2512 Lightning(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-qwen-image-2512-lightning.md): `aigd.image-qwen-image-2512-lightning` v1.1.1. Qwen-Image-2512に4ステップのLightning LoRAを適用し、ローカルで実行します。テキスト描画とプロンプト追従(看板、ポスター、UIモックアップ)を1024 px画像あたり約8秒で、20ステップモデルの約4倍の速さで実現します。Apache-2.0、商用利用可。NVIDIA GPU 16 GB以上とRAM 32 GBが必要です。 - [Qwen-Image-Edit-2511(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-qwen-image-edit-2511.md): `aigd.image-qwen-image-edit-2511` v1.1.1. Qwen-Image-Edit-2511をローカルで実行できます。指示による画像編集をフル品質(20ステップ)で行い、テキスト、色、素材、オブジェクトの変更や、最大4枚の画像の合成ができます。Apache-2.0、商用利用可。NVIDIA GPU 16 GB以上と32 GBのRAMが必要です。 - [Qwen-Image-Edit-2511 Lightning(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-qwen-image-edit-2511-lightning.md): `aigd.image-qwen-image-edit-2511-lightning` v1.1.1. Qwen-Image-Edit-2511に4ステップのLightning LoRAを適用し、ローカルで実行するモデルです。指示に沿って約20秒で画像を編集でき、文字・色・素材・オブジェクトの変更や最大4枚の画像の合成が可能です。Apache-2.0で商用利用も認められています。16 GB以上のNVIDIA GPUと32 GB以上のRAMが必要です。 - [RealVisXL V5.0(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-realvisxl-v5.md): `aigd.image-realvisxl-v5` v1.0.4. RealVisXL V5.0をローカルで実行:人物、ポートレート、場所、製品のフォトリアルな画像(SDXLのファインチューン)を、参考資料やマーケティング用アートとして生成します。テキストや様式化されたアートは苦手です。テキストから画像、画像から画像に対応。生成した画像の商用利用は可能です(CreativeML Open RAIL++-M)。NVIDIA GPUが8 GB以上必要です。 - [SDXL 1.0(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-sdxl-base.md): `aigd.image-sdxl-base` v1.0.4. Stable Diffusion XL base 1.0をローカルで実行できます。汎用的なイラスト、コンセプトアート、写真をさまざまなスタイルで生成でき、文字の描画は苦手です。テキストから画像、画像から画像の両方に対応します。生成した画像の商用利用も可能です (CreativeML Open RAIL++-M)。NVIDIA GPUで8 GB以上のメモリが必要です。 - [Z-Image Turbo(画像モデル)](https://ai-game.dev/ja/packages/aigd.image-z-image-turbo.md): `aigd.image-z-image-turbo` v1.0.5. Z-Image Turboをローカルで実行:8ステップで、写実的・イラスト調の画像、アイコン、テクスチャを、読める短いテキスト入りで高速に生成します。最も小さいPC向けモデル:NVIDIA GPUは4 GB以上、その他のGPUは8 GB以上、内蔵GPUでも低速ながら動作します。Apache-2.0、商用利用可能。 - [Knowledge Base](https://ai-game.dev/ja/packages/aigd.knowledge.md): `aigd.knowledge` v0.3.22. .ai-game-dev/knowledge/ にあるMarkdownノートをプロジェクトと一緒にコミットし、グラフとしてインデックス化してエージェントが検索できるようにする、プロジェクトのKnowledge Baseです。エージェントは設計上の決定や規約を記録し、ノートをスペースに整理し、移動時にリンクを修正し、壊れたリンクを見つけます。デスクトップアプリはノートを3Dグラフで表示します。 - [ローカル音声(llama.cpp)](https://ai-game.dev/ja/packages/aigd.llamacpp.md): `aigd.llamacpp` v1.0.2. llama.cppの音声ツールで、このコンピューター上でテキストを読み上げます。オフラインで動作し、利用枠も消費しません。NVIDIA、AMD、Intel、AppleのGPUまたはCPUで、ボイスライン、ナレーション、仮のセリフを生成できます。KokoroやChatterbox Turboなどのモデルは別パッケージです。 - [Hunyuan3D-2.1 Shape(ローカル3Dモデル)](https://ai-game.dev/ja/packages/aigd.model3d-hunyuan3d-2-1-shape.md): `aigd.model3d-hunyuan3d-2-1-shape` v1.0.3. ローカル画像→3D:Tencent Hunyuan3D-2.1のシェイプモデルが、1枚の画像から高品質なテクスチャなしの3Dメッシュ(GLB)を生成します。ゲームのプロップやキャラクター向けで、VRAM 10 GB以上のNVIDIA GPUで動作します。Local Python models runtimeでオフライン実行できます。EU、英国、韓国ではライセンスされていません。 - [Pixal3D(3Dモデル)](https://ai-game.dev/ja/packages/aigd.model3d-pixal3d.md): `aigd.model3d-pixal3d` v1.0.5. ローカル画像→3D:Tencent ARCのPixal3DはTRELLIS.2のファインチューンで、1枚の写真から、写真のピクセルにジオメトリが忠実に従うテクスチャ付き3Dモデル(PBRマテリアル付きGLB)を作成します。NVIDIAまたはVulkan GPU(ビデオメモリ16 GB)上でtrellis.cppにより動作します。MITライセンスで、画像エンコーダーにはMetaのDINOv3ライセンスが適用されます。 - [SkinTokens(ローカル自動リギング)](https://ai-game.dev/ja/packages/aigd.model3d-skintokens.md): `aigd.model3d-skintokens` v1.0.4. ローカル自動リギング:VAST-AI の SkinTokens は、キャラクターやクリーチャーのメッシュ(GLB、OBJ、FBX)にスケルトンとスキンウェイトを付与し、元のマテリアルと UV を保持したままリグ済み GLB を書き出します。Asset Studio から、お使いの NVIDIA GPU(VRAM 14 GB)で実行されます。MIT、商用利用可。 - [Step1X-3D Geometry(ローカル3Dモデル)](https://ai-game.dev/ja/packages/aigd.model3d-step1x-3d-geometry.md): `aigd.model3d-step1x-3d-geometry` v1.0.4. ローカル画像→3D: StepFunのStep1X-3D Geometry 1.3Bは、1枚の画像からテクスチャなしの3Dメッシュ(GLB)を生成し、ゲームの小道具やキャラクターに使えます。NVIDIA GPU(VRAM 16 GB)で動作します。Local Python models runtimeでオフライン実行できます。Apache-2.0、商用利用可能。 - [TRELLIS.2 4B(3Dモデル)](https://ai-game.dev/ja/packages/aigd.model3d-trellis2-4b.md): `aigd.model3d-trellis2-4b` v1.0.5. ローカル画像→3D:MicrosoftのTRELLIS.2 4Bは、1枚の画像からテクスチャ付き3Dモデル(UVアトラスとPBRマテリアルを持つGLB)をゲームアセット向けに生成します。解像度は512、1024、1536。trellis.cppを使い、16 GBのビデオメモリを搭載したNVIDIAまたはVulkan GPUで動作します。MITライセンスですが、画像エンコーダにはMetaのDINOv3ライセンスが適用されます。 - [TripoSG 1.5B(ローカル3Dモデル)](https://ai-game.dev/ja/packages/aigd.model3d-triposg.md): `aigd.model3d-triposg` v1.0.4. ローカルのimage-to-3D:VAST-AIのTripoSG 1.5Bは、1枚の画像から、シャープでクリーンな表面を持つ詳細な非テクスチャの3Dメッシュ(GLB)を、8 GBのVRAMを搭載したNVIDIA GPU上で生成します。Local Python models runtimeでオフライン動作します。重みはMIT。推論に含まれるTencentのコードは、EU、英国、韓国ではライセンスされていません。 - [ローカルPythonモデルランタイム](https://ai-game.dev/ja/packages/aigd.python.md): `aigd.python` v1.0.2. C++やONNXへの移植版がないローカルモデル(3D生成とリギング)を、モデルごとの専用Python環境で、このコンピューター上のPyTorchを使って実行します。この環境がお使いのPythonに触れることはありません。TripoSG、Hunyuan3D-2.1 Shape、SkinTokensなどのモデルは別パッケージです。 - [ローカル効果音・音楽(Stable Audio 3)](https://ai-game.dev/ja/packages/aigd.sa3cpp.md): `aigd.sa3cpp` v1.0.2. AI Game Dev でローカルの効果音と音楽を生成するためのランタイムです。Stable Audio 3 の C++/ggml 移植版である sa3.cpp を使い、CUDA、Vulkan、Metal または CPU で動作し、Python は不要です。Stable Audio 3 Small SFX、Small Music、Medium モデルを実行します(これらは別パッケージです)。 - [ローカル画像・動画生成](https://ai-game.dev/ja/packages/aigd.sdcpp.md): `aigd.sdcpp` v1.3.1. stable-diffusion.cpp を使って、このコンピューター上で画像、テクスチャ、短い動画クリップを生成します。NVIDIA(CUDA)、AMD と Intel(Vulkan)、Apple silicon(Metal)、またはプロセッサーに対応します。Image Gen と Video ツールを追加します。モデルは別パッケージです(Z-Image Turbo、FLUX、SDXL、Qwen-Image、LTX-2.5、Wan 2.2 など)。 - [SuperCollider](https://ai-game.dev/ja/packages/aigd.supercollider.md): `aigd.supercollider` v0.1.12. SuperCollider 3.14.1をお使いのコンピューターで動かし、移植性の高いゲーム音楽を作曲、レンダリング、分析、エクスポートできます。プロジェクト内のコードとしてのスコア、オフラインでのWAVレンダリング、同期されたステムとループ、サンプルのインポート、プレビュー、そしてUnity、Godot、Unrealへのエクスポートに対応します。 - [Local 3D generation](https://ai-game.dev/ja/packages/aigd.trellis.md): `aigd.trellis` v1.0.3. Local 3D generationランタイム: Microsoft TRELLIS.2 の C++ ポートである trellis.cpp が、1 枚の画像からテクスチャ付き 3D モデル(PBR マテリアル付き GLB)を、お使いの NVIDIA または Vulkan GPU 上で、モデルごとの費用なしに生成します。別途インストールする TRELLIS.2 4B および Pixal3D モデルパッケージを実行します。Windows 対応、Linux はプレビューです。 - [Tripo](https://ai-game.dev/ja/packages/aigd.tripo.md): `aigd.tripo` v0.2.20. AI Game Devのサブスクリプション枠で使えるクラウド3D:テキスト、画像、複数ビューからの3Dモデル生成、テクスチャ、リトポロジ、パーツ分割、メッシュ補完、フォーマット変換、リギング、アニメーション、画像の生成と編集。エージェントがジョブごとに操作とモデルバリアントを選択します。 - [Chatterbox Multilingual V3(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-chatterbox-multilingual-v3.md): `aigd.tts-chatterbox-multilingual-v3` v1.0.2. Resemble AIによる20言語のローカルテキスト読み上げです。3~60秒のクリップからトランスクリプトなしで音声をクローンするか、組み込み音声で話せます。感情調整用のExaggerationコントロール付きです。ローカライズしたゲームの会話やボイスオーバー向けです。アプリのONNXランタイムでCPU上で動作し、リアルタイムより遅くなります。MIT。Resemble AIはメンテナンスを終了しています。 - [Chatterbox Turbo(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-chatterbox-turbo.md): `aigd.tts-chatterbox-turbo` v1.0.3. Resemble AIの高速なローカル英語テキスト読み上げ(350M)。モデル自身の声、または5〜30秒のクリップからクローンした声を使え、テキストには\[laugh\]、\[chuckle\]、\[cough\]などのサウンドタグを記述できます。キャラクターのセリフやボイスオーバーに。llama.cppによりGPUまたはCPUで動作します。MIT、商用利用可能。 - [Fun-CosyVoice3(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-cosyvoice3.md): `aigd.tts-cosyvoice3` v1.0.2. 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。 - [Fish Audio S2 Pro(音声モデル、非商用)](https://ai-game.dev/ja/packages/aigd.tts-fish-s2-pro.md): `aigd.tts-fish-s2-pro` v1.0.2. Fish Audioの4Bテキスト読み上げモデルをローカルで実行できます。80以上の言語に対応し、音声クリップとその文字起こしからのボイスクローニング、さらに\[laughing\]、\[whisper\]、\[pause\]といったインラインの話し方タグを利用できます。audio.cppにより8 GB以上のGPUで動作します。非商用ライセンスのため、商用利用にはFish Audioとの別途ライセンスが必要です。 - [IndexTTS 2.5(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-indextts25.md): `aigd.tts-indextts25` v1.0.2. bilibili の IndexTTS 2.5 をローカルで実行します。3〜30 s のクリップからのゼロショット音声クローニングに対応し、感情を指示で指定でき、中国語、英語、日本語、スペイン語、アラビア語を扱います。表現豊かなゲーム会話向けです。audio.cpp により約 6 GB の GPU で動作します。ライセンスのサイズ上限未満であれば商用利用が可能です。 - [Kokoro 82M(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-kokoro.md): `aigd.tts-kokoro` v1.0.3. hexgradのKokoro 82Mは、高い評価を得ている小型の英語テキスト読み上げモデルで、ローカルで実行できます。NPCの会話、ナレーション、UIのセリフ向けに、アメリカ英語とイギリス英語のプリセット音声を28種類収録。llama.cppによりCPUでも高速に動作し、音声クローニングには対応していません。Apache-2.0で、商用利用が可能です。 - [Magpie TTS Multilingual(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-magpie.md): `aigd.tts-magpie` v1.0.2. NVIDIAのMagpie TTS Multilingual 357Mをローカルで実行できます。13言語・方言(ヒンディー語、ベトナム語、ブラジルポルトガル語、3種類のアラビア語変種を含む)の音声を5つのプリセットボイスで生成でき、ローカライズしたセリフやアナウンスに使えます。ボイスクローンには対応していません。GPUでの実行が最適で、audio.cppを使用します。NVIDIA Open Model License。 - [Ming-3.0 TTS 0.5B(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-ming3.md): `aigd.tts-ming3` v1.0.2. inclusionAIのMing-3.0 TTS 0.5Bをローカルで実行:中国語、英語、日本語、韓国語、ドイツ語、フランス語、スペイン語の音声に対応し、クリップからの音声クローニングとテキスト説明からの音声デザインにより、キャラクターごとに異なるゲームの声を作れます。GPUでの実行が最適で、audio.cppを使用します。MIT、商用利用可。 - [OmniVoice(音声モデル、非商用)](https://ai-game.dev/ja/packages/aigd.tts-omnivoice.md): `aigd.tts-omnivoice` v1.0.2. k2-fsaのOmniVoiceをローカルで実行:600以上の言語に対応したテキスト読み上げで、独自のデフォルトボイス、またはクリップとその文字起こしからクローンした声を使えます。非商用プロジェクトでの希少言語に便利です。audio.cppを使い、GPUでの実行が最適です。非商用ライセンス(CC-BY-NC)。 - [Phonon 31M(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-phonon.md): `aigd.tts-phonon` v1.0.2. GradiumのPhonon 31Mは、単一の声を持つ小型のローカル英語音声合成モデルです。ノートPCのCPUでリアルタイムより速く動作し、ちょっとしたナレーションやUI、仮のセリフに向いています。ダウンロードは85.5 MB、audio.cppで動作します。Apache-2.0で商用利用も可能です。 - [Pocket TTS 100M(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-pocket.md): `aigd.tts-pocket` v1.0.2. KyutaiのPocket TTS 100Mをローカルで実行できます。英語、フランス語、ドイツ語、スペイン語、イタリア語、ポルトガル語の各言語に1つずつチェックポイントがあり、言語ごとに15種類のプリセットボイスを使うか、文字起こしなしで短いクリップからボイスをクローンできます。audio.cppによりCPUでリアルタイムより高速に動作します。ライセンスはCC-BY-4.0で、表示付きの商用利用が可能です(Kyutaiの利用条件に従います)。 - [Supertonic 3(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-supertonic-3.md): `aigd.tts-supertonic-3` v1.0.2. SupertoneのSupertonic 3は、31言語に対応した高速なローカル音声合成モデルです。10種類のプリセット音声を備え、テキストに\、\、\タグを書き込めます。ローカライズした台詞やナレーションに最適です。アプリのONNXランタイム上でCPUで動作します。ボイスクローンには非対応です。Open RAIL-M: 利用制限の範囲内で商用利用が可能です。 - [ZONOS3-Mini(音声モデル)](https://ai-game.dev/ja/packages/aigd.tts-zonos3-mini.md): `aigd.tts-zonos3-mini` v1.0.2. ZyphraのZONOS3-Miniは、表現力豊かなローカル音声合成モデルです。英語、フランス語、ドイツ語、スペイン語、イタリア語、ポルトガル語、中国語、韓国語に対応し、13種類のプリセット音声を使うことも、クリップから声をクローンすることもできます。audio.cppにより、ノートPCのCPU(約リアルタイム)またはGPUで動作します。Apache-2.0で、商用利用も可能です。 - [LTX-2.5(動画モデル)](https://ai-game.dev/ja/packages/aigd.video-ltx25.md): `aigd.video-ltx25` v1.0.6. LTX-2.5をローカルで実行:テキストまたは開始画像から、音声(セリフ、効果音、環境音)が同期した短い動画クリップを生成し、予告編のカット、カットシーンの下書き、アニメーション化したキーアートに使えます。最大5秒、1280x704、24 fps。NVIDIA GPU 16 GB以上と48 GBのRAMが必要です。LTX-2.x Community License:年間収益1,000万ドル未満なら無料。 - [Wan 2.2 TI2V 5B(動画モデル)](https://ai-game.dev/ja/packages/aigd.video-wan22-ti2v-5b.md): `aigd.video-wan22-ti2v-5b` v1.0.7. Wan 2.2 TI2V 5Bをローカルで実行:音声なしのリアルで様式化されたクリップを、テキストまたは開始画像から生成するオープン(Apache-2.0)動画モデル。最大5秒、1280x704、24 fps。LTX-2.5より遅いものの軽量で、NVIDIA GPU 12 GB以上とメモリ16 GBで動作します。