# Fun-CosyVoice3 (modelo de fala)

> 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.

- Id: `aigd.tts-cosyvoice3`
- Origem: Oficial (de primeira parte `aigd.*`)
- Categoria: Áudio
- Publicador: AI Game Dev (`aigd`), verificado
- Versão mais recente: 1.0.2 (publicado em 2026-11-22)
- Licença: SEE LICENSE IN README.md
- Requer o app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: não
- Avaliação: ainda sem avaliações
- Página HTML: https://ai-game.dev/pt-br/packages/aigd.tts-cosyvoice3

## Instalar

Com o CLI gamedev, na pasta do projeto:

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

No app desktop: abra a janela Packages (o ícone de pacote na barra de status), selecione **Browse**, busque `aigd.tts-cosyvoice3` e clique em **Add to Project**. Mais: https://ai-game.dev/docs/wiki/app/packages

## Versões

| Versão | Publicado | Requer o app | Observações |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | mais recente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descrição

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

O Fun-CosyVoice3 0.5B (Tongyi Lab, Alibaba) é um modelo de text-to-speech com clonagem de voz: ele fala seu texto na voz de um clipe de referência curto, em nove idiomas além do cantonês, e segue instruções de estilo como emoção, velocidade ou dialeto. No AI Game Dev ele roda na sua GPU por meio da **Geração de áudio local** (`aigd.audiocpp`, o runtime audio.cpp). Ele atende jogos que precisam de uma mesma voz de personagem em idiomas asiáticos e europeus.

## O que você pode criar

- Diálogos de personagem com uma voz clonada de um clipe de 3 a 30 s, em chinês, inglês, japonês, coreano, alemão, espanhol, francês, italiano, russo ou cantonês.
- Dublagens entre idiomas: a mesma voz falando um idioma diferente do que está no clipe.
- Variações de uma fala por instrução: mais acolhedora, mais rápida, mais triste ou em um dialeto.

## Exemplos de pedidos

- "Clone `Audio/ref/merchant.wav` e diga a saudação do mercador em japonês e coreano."
- "Leia esta fala com a mesma voz, mas fale de forma acolhedora e um pouco mais devagar."
- "Duble a versão em cantonês do diálogo da loja com o clipe de referência que eu adicionei."

## Destaques

|  |  |
|---|---|
| ID do modelo | `aigd.tts-cosyvoice3.q8-0` |
| Idiomas | zh, en, ja, ko, de, es, fr, it, ru, yue (cantonês) |
| Vozes | sempre um clone de um clipe de referência de 3 a 30 s (transcrição opcional) |
| Instruções de estilo | sim (emoção, velocidade, dialeto) |
| Saída | 24 kHz, mono WAV |
| Texto por pedido | até 2.000 caracteres |
| Roda em | GPUs NVIDIA (CUDA), Vulkan ou Mac (Metal) |
| Download | 2,26 GB, 1 arquivo |
| Licença | Apache-2.0, uso comercial permitido |

## Como funciona

Cada pedido precisa de um clipe de referência de 3 a 30 s (um WAV no seu projeto). Com a transcrição dele, o modelo clona a voz com fidelidade; sem ela, ele clona entre idiomas. Uma instrução de estilo ("fale de forma acolhedora", "mais rápido", um dialeto) muda a entrega.

Este pacote é só de dados. Ele indica um arquivo; o app baixa esse arquivo depois que você confirma, verifica por sha256 e o executa com audio.cpp no seu computador.

## Download

2,26 GB, um arquivo, fixado no commit `b7b9aa1f` do Hugging Face:

| Arquivo | Origem | Tamanho |
|---|---|---:|
| `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 de [`FunAudioLLM/Fun-CosyVoice3-0.5B-2512`](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512).

## Em quais computadores

| Computador | Requisitos | Velocidade |
|---|---|---|
| GPU NVIDIA (CUDA) ou outra GPU (Vulkan) | cerca de 4 GB de memória de GPU (estimativa) | ainda não medido |
| Mac com Apple silicon (Metal) | cerca de 8 GB de memória (estimativa) | ainda não medido |

## Licença

Apache-2.0. O uso comercial é permitido.

- Fun-CosyVoice3-0.5B-2512 © Tongyi Lab, Alibaba (FunAudioLLM) — [card do modelo](https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512) (`license: apache-2.0`). O repositório do modelo **não traz nenhum arquivo LICENSE**; o texto da Apache-2.0 está no [repositório de código do CosyVoice](https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE).
- Conversão GGUF por audio.cpp — [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf); a [tabela de licenças de modelos](https://github.com/0xShug0/audio.cpp/blob/v0.9.5/docs/model_licenses.md) do audio.cpp o lista como Apache-2.0, uso comercial sim.

Atribuição obrigatória ao redistribuir os pesos: o texto da licença Apache-2.0 e os avisos. Não é exigida atribuição pela fala que você gera.

Restrições, sem rodeios: nenhuma na licença além dos seus avisos. Clone apenas vozes que você tem o direito de usar; você é responsável pelo que gerar.

Conforme declarado no pacote (`license`):

- Licença: Apache-2.0 — https://github.com/FunAudioLLM/CosyVoice/blob/main/LICENSE
- Atribuição: Fun-CosyVoice3-0.5B-2512 © Tongyi Lab, Alibaba (FunAudioLLM), Apache-2.0; conversão GGUF por audio.cpp
- Restrição (atribuição): redistribuir os pesos exige o texto da licença Apache-2.0 e os avisos.
- Restrição (outra): o repositório do modelo no Hugging Face declara Apache-2.0 no card, mas não traz nenhum arquivo LICENSE; o texto da licença está no repositório de código FunAudioLLM/CosyVoice.
- Restrição (outra): clonagem de voz: use apenas vozes que você tem permissão para reproduzir; você é responsável pelo que gerar.

Todos os arquivos são baixados do Hugging Face. O AI Game Dev não os hospeda.
````
