# Pacotes do AI Game Dev

> Pesquise em todos os pacotes do aplicativo desktop AI Game Dev e da CLI gamedev: pacotes oficiais aigd.* e pacotes da comunidade, com versões, avaliações, licenças e comandos de instalação.

HTML: https://ai-game.dev/pt-br/packages · Por pacote: `https://ai-game.dev/pt-br/packages/<id>` (Markdown: acrescente `.md`) · Instalação: `gamedev pkg add <id>`, ou a janela Packages (Browse) do app para desktop. Como os pacotes funcionam: https://ai-game.dev/docs/wiki/app/packages

Filtro: busca `-`, origem official, categoria Áudio, ordenado por featured. 32 de 74 pacotes.

## Pacotes oficiais

- [ACE-Step (áudio na nuvem)](https://ai-game.dev/pt-br/packages/aigd.cloud-ace-step.md) (`aigd.cloud-ace-step`, v0.1.4, por AI Game Dev): ACE-Step 1.5 na nuvem: geração de música aberta a partir de um prompt de estilo, de 10 s a 4 minutos, o modelo de música na nuvem mais leve da sua cota para esboçar trilhas de jogo. Usa a sua cota; o mesmo modelo também roda localmente.
- [ACE-Step 1.5 (modelo de música)](https://ai-game.dev/pt-br/packages/aigd.audio-ace-step-1-5.md) (`aigd.audio-ace-step-1-5`, v1.0.2, por AI Game Dev): Modelo de música ACE-Step 1.5 Turbo: músicas com vocais ou instrumentais a partir de um prompt de estilo (gênero, clima, instrumentos, andamento) e letras opcionais em 50 idiomas, de 10 s a 10 min, estéreo 48 kHz, para temas e trilhas sonoras de jogos. Roda localmente na sua GPU com audio.cpp. Licença MIT, uso comercial permitido.
- [Chatterbox Multilingual V3 (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-chatterbox-multilingual-v3.md) (`aigd.tts-chatterbox-multilingual-v3`, v1.0.2, por AI Game Dev): Conversão de texto em fala local em 20 idiomas da Resemble AI: clona uma voz a partir de um clipe de 3–60 s sem transcrição, ou fala com a voz embutida, com um controle de Exagero para emoção. Para diálogos e dublagens localizados de jogos. Roda na CPU no runtime ONNX do app, mais lento que o tempo real. MIT. A Resemble AI não o mantém mais.
- [Chatterbox Turbo (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-chatterbox-turbo.md) (`aigd.tts-chatterbox-turbo`, v1.0.3, por AI Game Dev): Conversão de texto em fala em inglês, local e rápida, da Resemble AI (350M): a voz do próprio modelo ou uma voz clonada a partir de um clipe de 5 a 30 s, com tags de som como \[laugh\], \[chuckle\] e \[cough\] no texto. Para diálogos de personagens e locuções. Roda com llama.cpp em uma GPU ou na CPU. MIT, uso comercial permitido.
- [ElevenLabs (áudio na nuvem)](https://ai-game.dev/pt-br/packages/aigd.cloud-elevenlabs.md) (`aigd.cloud-elevenlabs`, v0.1.5, por AI Game Dev): ElevenLabs na nuvem para áudio de jogo: fala em 21 vozes (v4 Turbo e Eleven v4) para diálogo e narração, e efeitos sonoros a partir de uma descrição, de 1 a 30 s; música em breve. Usa sua cota.
- [Fish Audio S2 Pro (modelo de fala, não comercial)](https://ai-game.dev/pt-br/packages/aigd.tts-fish-s2-pro.md) (`aigd.tts-fish-s2-pro`, v1.0.2, por AI Game Dev): Modelo de conversão de texto em fala de 4B da Fish Audio, executado localmente: mais de 80 idiomas, clonagem de voz a partir de um clipe e da transcrição dele, e tags de entonação inline como \[laughing\], \[whisper\] ou \[pause\]. Roda em uma GPU com 8 GB ou mais com audio.cpp. Licença não comercial: o uso comercial exige uma licença separada da Fish Audio.
- [Fun-CosyVoice3 (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-cosyvoice3.md) (`aigd.tts-cosyvoice3`, v1.0.2, por AI Game Dev): Text-to-speech local com clonagem de voz do Tongyi Lab, da Alibaba: o Fun-CosyVoice3 0.5B fala na voz de um clipe de 3 a 30 s em chinês, inglês, japonês, coreano, alemão, espanhol, francês, italiano, russo e cantonês, e segue instruções de estilo (emoção, velocidade, dialeto). Roda na sua GPU com audio.cpp. Apache-2.0.
- [IndexTTS 2.5 (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-indextts25.md) (`aigd.tts-indextts25`, v1.0.2, por AI Game Dev): IndexTTS 2.5, da bilibili, rodando localmente: clonagem de voz zero-shot a partir de um clipe de 3 a 30 s, com a emoção descrita em uma instrução, em chinês, inglês, japonês, espanhol e árabe. Para diálogos de jogo expressivos. Roda em uma GPU com cerca de 6 GB com audio.cpp. O uso comercial é permitido abaixo dos limites de tamanho da licença.
- [Kokoro (áudio na nuvem)](https://ai-game.dev/pt-br/packages/aigd.cloud-kokoro.md) (`aigd.cloud-kokoro`, v0.1.3, por AI Game Dev): Kokoro na nuvem: um modelo aberto de fala em inglês americano com 20 vozes, que consome pouco da sua cota, para diálogos provisórios e de rascunho no jogo. Usa sua cota; o mesmo modelo também roda localmente.
- [Kokoro 82M (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-kokoro.md) (`aigd.tts-kokoro`, v1.0.3, por AI Game Dev): O Kokoro 82M da hexgrad, um modelo pequeno e muito bem avaliado de conversão de texto em fala em inglês, executado localmente: 28 vozes predefinidas americanas e britânicas para diálogos de NPC, narração e falas de UI. Rápido até em CPU (llama.cpp); sem clonagem de voz. Apache-2.0, uso comercial permitido.
- [Efeitos sonoros e música locais (Stable Audio 3)](https://ai-game.dev/pt-br/packages/aigd.sa3cpp.md) (`aigd.sa3cpp`, v1.0.2, por AI Game Dev): Runtime para efeitos sonoros e música locais no AI Game Dev com sa3.cpp, o port C++/ggml do Stable Audio 3, em CUDA, Vulkan, Metal ou na CPU, sem Python. Executa os modelos Stable Audio 3 Small SFX, Small Music e Medium, que são pacotes separados.
- [Fala local (llama.cpp)](https://ai-game.dev/pt-br/packages/aigd.llamacpp.md) (`aigd.llamacpp`, v1.0.2, por AI Game Dev): Fala texto neste computador com a ferramenta de fala do llama.cpp, offline e sem gastar sua cota: falas de personagens, narração e diálogos provisórios em GPUs NVIDIA, AMD, Intel ou Apple, ou na CPU. Modelos como Kokoro e Chatterbox Turbo são pacotes separados.
- [Lyria (áudio na nuvem)](https://ai-game.dev/pt-br/packages/aigd.cloud-lyria.md) (`aigd.cloud-lyria`, v0.1.4, por AI Game Dev): Música do Google Lyria 3 na nuvem: clipes de 30 segundos, instrumentais ou com vocais, a partir de uma descrição em texto, para temas de menu de jogo, esboços de música de fase e bases de trailer. Usa a sua cota.
- [Magenta RealTime 2 (modelo de música)](https://ai-game.dev/pt-br/packages/aigd.audio-magenta-rt2.md) (`aigd.audio-magenta-rt2`, v1.0.2, por AI Game Dev): Modelos de música instrumental Google Magenta RealTime 2: música de fundo a partir de um prompt de estilo, de 1 s a 3 min, 48 kHz estéreo, sem vocais. Small (230M) roda em qualquer GPU e até numa CPU, Base (2.4B) precisa de uma GPU. Roda localmente com audio.cpp. CC BY 4.0, uso comercial permitido.
- [Magpie TTS Multilingual (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-magpie.md) (`aigd.tts-magpie`, v1.0.2, por AI Game Dev): Magpie TTS Multilingual 357M da NVIDIA, executado localmente: fala em 13 idiomas e dialetos (incluindo hindi, vietnamita, português do Brasil e três variantes de árabe) com cinco vozes predefinidas, para diálogos e avisos localizados. Sem clonagem de voz. Melhor em uma GPU, com audio.cpp. Licença NVIDIA Open Model.
- [Ming-3.0 TTS 0.5B (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-ming3.md) (`aigd.tts-ming3`, v1.0.2, por AI Game Dev): Ming-3.0 TTS 0.5B da inclusionAI, executado localmente: fala em chinês, inglês, japonês, coreano, alemão, francês e espanhol, com clonagem de voz a partir de um clipe e criação de voz a partir de uma descrição em texto, para vozes distintas de personagens de jogo. Melhor em GPU, com audio.cpp. MIT, uso comercial permitido.
- [MiniMax-Music3 (modelo de música)](https://ai-game.dev/pt-br/packages/aigd.audio-minimax-music3.md) (`aigd.audio-minimax-music3`, v1.0.2, por AI Game Dev): MiniMax-Music3: músicas completas com vocais cantados a partir de um prompt de estilo e uma letra com tags \[verse\]/\[chorus\], até 5 minutos, estéreo 44.1 kHz, para temas de abertura e singles de trilha sonora. Roda localmente na sua GPU com audio.cpp. Licença comunitária: exiba "MiniMax-Music3", marque a saída como gerada por máquina, teto de receita.
- [MOSS-SoundEffect v2 (modelo de efeitos sonoros)](https://ai-game.dev/pt-br/packages/aigd.audio-moss-soundeffect-v2.md) (`aigd.audio-moss-soundeffect-v2`, v1.0.2, por AI Game Dev): MOSS-SoundEffect v2 da OpenMOSS: efeitos sonoros e ambiência (natureza, cidade, criaturas, ações humanas) a partir de uma descrição em inglês ou chinês, de 1 a 30 s, 48 kHz mono, para níveis e cenas de jogo. Roda localmente na sua GPU com audio.cpp. Apache-2.0 (conforme o model card), uso comercial permitido.
- [OmniVoice (modelo de fala, não comercial)](https://ai-game.dev/pt-br/packages/aigd.tts-omnivoice.md) (`aigd.tts-omnivoice`, v1.0.2, por AI Game Dev): OmniVoice, da k2-fsa, executado localmente: síntese de voz em mais de 600 idiomas com sua própria voz padrão ou uma voz clonada a partir de um clipe e sua transcrição. Útil para idiomas raros em projetos não comerciais. Melhor em uma GPU, com audio.cpp. Licença não comercial (CC-BY-NC).
- [Phonon 31M (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-phonon.md) (`aigd.tts-phonon`, v1.0.2, por AI Game Dev): Phonon 31M da Gradium, um modelo local minúsculo de conversão de texto em fala em inglês com uma única voz: mais rápido que o tempo real na CPU de um notebook, para narração rápida, falas de UI e provisórias. Download de 85.5 MB, roda com audio.cpp. Apache-2.0, uso comercial permitido.
- [Pocket TTS 100M (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-pocket.md) (`aigd.tts-pocket`, v1.0.2, por AI Game Dev): Pocket TTS 100M da Kyutai, executado localmente: um checkpoint para cada idioma — inglês, francês, alemão, espanhol, italiano e português —, 15 vozes predefinidas por idioma ou clonagem de voz a partir de um clipe curto sem transcrição. Mais rápido que o tempo real em uma CPU, com audio.cpp. CC-BY-4.0: uso comercial com atribuição, sob os termos de uso da Kyutai.
- [Qwen3-TTS 0.6B Base (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.audio-qwen3-tts-0-6b-base.md) (`aigd.audio-qwen3-tts-0-6b-base`, v1.0.2, por AI Game Dev): Qwen3-TTS 0.6B Base: conversão de texto em fala que clona a voz de um clipe de referência curto (3 s ou mais) em 10 idiomas, 24 kHz, para diálogos de personagens e narração. O modelo de clonagem menor, para GPUs com cerca de 4 GB (estimativa). Roda localmente com audio.cpp. Apache-2.0, uso comercial permitido.
- [Qwen3-TTS 1.7B Base (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.audio-qwen3-tts-1-7b-base.md) (`aigd.audio-qwen3-tts-1-7b-base`, v1.0.2, por AI Game Dev): Qwen3-TTS 1.7B Base: conversão de texto em fala que clona a voz de um clipe de referência curto (3 s ou mais) em 10 idiomas, 24 kHz, para diálogos de personagens e narração. O modelo de clonagem maior, para GPUs com cerca de 6 GB (estimativa). Roda localmente com audio.cpp. Apache-2.0, uso comercial permitido.
- [Qwen3-TTS 1.7B CustomVoice (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.audio-qwen3-tts-1-7b-customvoice.md) (`aigd.audio-qwen3-tts-1-7b-customvoice`, v1.0.2, por AI Game Dev): Qwen3-TTS 1.7B CustomVoice: conversão de texto em fala com nove vozes integradas e instruções de emoção e entrega ("Empolgado, rápido", "Sussurrando, triste") em 10 idiomas, 24 kHz, para diálogos de NPC e narração. Roda localmente na sua GPU com audio.cpp. Apache-2.0, uso comercial permitido.
- [Qwen3-TTS 1.7B VoiceDesign (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.audio-qwen3-tts-1-7b-voicedesign.md) (`aigd.audio-qwen3-tts-1-7b-voicedesign`, v1.0.2, por AI Game Dev): Qwen3-TTS 1.7B VoiceDesign: conversão de texto em fala com uma voz nova criada a partir de uma descrição textual ("Um velho marinheiro rabugento, grave e lento") que também define emoção e entrega, em 10 idiomas, 24 kHz, para vozes de personagens. Roda localmente na sua GPU com audio.cpp. Apache-2.0, uso comercial permitido.
- [Stable Audio 3 Medium (modelo de música)](https://ai-game.dev/pt-br/packages/aigd.audio-stable-audio-3-medium.md) (`aigd.audio-stable-audio-3-medium`, v1.1.3, por AI Game Dev): Stable Audio 3 Medium: música instrumental a partir de um prompt de texto, até 6 min 20 s, estéreo 44,1 kHz, sem vocais; o modelo de música maior, para peças completas de trilha sonora. Roda localmente com sa3.cpp em uma GPU (12 GB em CUDA, 13 GB em Vulkan para as peças mais longas). Stability AI Community License: uso comercial apenas abaixo de US$1M de receita anual, após registro.
- [Stable Audio 3 Small Music (modelo de música)](https://ai-game.dev/pt-br/packages/aigd.audio-stable-audio-3-small-music.md) (`aigd.audio-stable-audio-3-small-music`, v1.1.3, por AI Game Dev): Stable Audio 3 Small Music: música instrumental e loops a partir de um prompt de texto, até 2 minutos, estéreo 44,1 kHz, sem vocais, para trilhas de fundo, vinhetas e jingles de jogos. Roda localmente com sa3.cpp em uma GPU com 4 GB, ou lentamente em CPU. Stability AI Community License: uso comercial apenas abaixo de US$ 1 milhão de receita anual, após registro.
- [Stable Audio 3 Small SFX (modelo de efeitos sonoros)](https://ai-game.dev/pt-br/packages/aigd.audio-stable-audio-3-small-sfx.md) (`aigd.audio-stable-audio-3-small-sfx`, v1.1.3, por AI Game Dev): Stable Audio 3 Small SFX: efeitos sonoros e foley de jogo a partir de um prompt de texto (impactos, passos, sons de interface, ambiências), de 1 a 60 s, estéreo 44,1 kHz. Roda localmente com sa3.cpp em uma GPU com 4 GB, ou lentamente sem GPU. Stability AI Community License: uso comercial apenas abaixo de US$1M de receita anual, após o registro.
- [SuperCollider](https://ai-game.dev/pt-br/packages/aigd.supercollider.md) (`aigd.supercollider`, v0.1.12, por AI Game Dev): Componha, renderize, analise e exporte música de jogo portátil com o SuperCollider 3.14.1 no seu computador: partituras como código no seu projeto, renders WAV offline, stems e loops sincronizados, importação de samples, pré-visualização e exportação para Unity, Godot ou Unreal.
- [Supertonic 3 (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-supertonic-3.md) (`aigd.tts-supertonic-3`, v1.0.2, por AI Game Dev): Supertonic 3 da Supertone: conversão de texto em fala local e rápida em 31 idiomas, com dez vozes predefinidas e as tags \<laugh\>, \<breath\> e \<sigh\> no texto, para diálogos e narração localizados. Roda na CPU, no runtime ONNX do app. Sem clonagem de voz. Open RAIL-M: uso comercial dentro das suas restrições de uso.
- [VoxCPM2 (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.audio-voxcpm2.md) (`aigd.audio-voxcpm2`, v1.0.2, por AI Game Dev): VoxCPM2 da OpenBMB: conversão de texto em fala em 30 idiomas e 9 dialetos chineses a 48 kHz, com clonagem de voz a partir de um clipe curto, criação de voz a partir de uma descrição e instruções de emoção e ritmo, para diálogos de personagens e narração. Roda localmente na sua GPU com audio.cpp. Apache-2.0, uso comercial permitido.
- [ZONOS3-Mini (modelo de fala)](https://ai-game.dev/pt-br/packages/aigd.tts-zonos3-mini.md) (`aigd.tts-zonos3-mini`, v1.0.2, por AI Game Dev): ZONOS3-Mini da Zyphra, um modelo local expressivo de texto para fala: inglês, francês, alemão, espanhol, italiano, português, chinês e coreano com 13 vozes predefinidas, ou clonagem de voz a partir de um clipe. Roda na CPU de um laptop (mais ou menos em tempo real) ou em uma GPU, com audio.cpp. Apache-2.0, uso comercial permitido.
