# AI Game Dev 软件包

> 搜索 AI Game Dev 桌面应用和 gamedev CLI 的全部软件包：官方 aigd.* 包与社区包，包含版本、评分、许可证和安装命令。

HTML：https://ai-game.dev/zh-hans/packages · 每个包：`https://ai-game.dev/zh-hans/packages/<id>`（Markdown：追加 `.md`）· 安装：`gamedev pkg add <id>`，或使用桌面应用的 Packages 窗口（Browse）。包的运作方式：https://ai-game.dev/docs/wiki/app/packages

筛选：搜索 `-`，来源 official，类别 音频，排序方式 featured。显示 32/74 个包。

## 官方包

- [ACE-Step（云端音频）](https://ai-game.dev/zh-hans/packages/aigd.cloud-ace-step.md) (`aigd.cloud-ace-step`, v0.1.4, 由 AI Game Dev 发布): 云端运行的 ACE-Step 1.5：根据风格提示词进行开放音乐生成，时长 10 秒到 4 分钟，是你额度中最轻量的云端音乐模型，适合勾勒游戏配乐草稿。会消耗你的额度；同一模型也可在本地运行。
- [ACE-Step 1.5（音乐模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-ace-step-1-5.md) (`aigd.audio-ace-step-1-5`, v1.0.2, 由 AI Game Dev 发布): ACE-Step 1.5 Turbo 音乐模型：根据风格提示词（曲风、情绪、乐器、速度）和最多 50 种语言的可选歌词，生成带人声的歌曲或纯器乐，时长 10 秒到 10 分钟，48 kHz 立体声，可用于游戏主题曲和配乐。通过 audio.cpp 在你的 GPU 上本地运行。MIT 许可，允许商业使用。
- [Chatterbox Multilingual V3（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-chatterbox-multilingual-v3.md) (`aigd.tts-chatterbox-multilingual-v3`, v1.0.2, 由 AI Game Dev 发布): 来自 Resemble AI 的本地文本转语音，支持 20 种语言：无需转录文本，即可从 3-60 s 的片段克隆音色，或使用内置音色朗读，并提供 Exaggeration 控制情感。适用于本地化游戏对白和配音。在应用的 ONNX 运行时中以 CPU 运行，速度慢于实时。MIT。Resemble AI 已不再维护。
- [Chatterbox Turbo（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-chatterbox-turbo.md) (`aigd.tts-chatterbox-turbo`, v1.0.3, 由 AI Game Dev 发布): 来自 Resemble AI 的快速本地英语文本转语音模型（350M）：可使用模型自带的声音，或使用从 5-30 s 片段克隆的声音，并可在文本中加入 \[laugh\]、\[chuckle\] 和 \[cough\] 等声音标签。适用于角色对话和旁白配音。通过 llama.cpp 在 GPU 或 CPU 上运行。MIT，允许商用。
- [ElevenLabs（云端音频）](https://ai-game.dev/zh-hans/packages/aigd.cloud-elevenlabs.md) (`aigd.cloud-elevenlabs`, v0.1.5, 由 AI Game Dev 发布): 云端 ElevenLabs 为游戏音频服务：21 种音色（v4 Turbo 与 Eleven v4）的语音，可用于对白和旁白；还能根据描述生成 1 至 30 秒的音效；音乐功能即将推出。使用你的额度。
- [Fish Audio S2 Pro（语音模型，非商业）](https://ai-game.dev/zh-hans/packages/aigd.tts-fish-s2-pro.md) (`aigd.tts-fish-s2-pro`, v1.0.2, 由 AI Game Dev 发布): Fish Audio 的 4B 文本转语音模型，本地运行：支持 80+ 种语言，可从一段音频及其转写文本克隆音色，并支持 \[laughing\]、\[whisper\]、\[pause\] 等行内表达标签。使用 audio.cpp 在 8 GB 及以上的 GPU 上运行。非商业许可：商业使用需向 Fish Audio 单独获取许可。
- [Fun-CosyVoice3（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-cosyvoice3.md) (`aigd.tts-cosyvoice3`, v1.0.2, 由 AI Game Dev 发布): 来自阿里巴巴通义实验室的本地声音克隆文本转语音：Fun-CosyVoice3 0.5B 能用一段 3-30 秒的音频中的嗓音，以中文、英语、日语、韩语、德语、西班牙语、法语、意大利语、俄语和粤语说话，并遵循风格指令（情绪、语速、方言）。通过 audio.cpp 在你的 GPU 上运行。Apache-2.0。
- [IndexTTS 2.5（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-indextts25.md) (`aigd.tts-indextts25`, v1.0.2, 由 AI Game Dev 发布): bilibili 的 IndexTTS 2.5，本地运行：从 3-30 秒的片段进行零样本声音克隆，情绪通过指令描述，支持中文、英语、日语、西班牙语和阿拉伯语。适合富有表现力的游戏对白。配合 audio.cpp 在约 6 GB 显存的 GPU 上运行。在许可证的规模限制以内允许商业使用。
- [Kokoro（云端音频）](https://ai-game.dev/zh-hans/packages/aigd.cloud-kokoro.md) (`aigd.cloud-kokoro`, v0.1.3, 由 AI Game Dev 发布): 云端版 Kokoro：一个开放的美式英语语音模型，提供 20 种音色，占用额度很少，适合游戏对话的占位与草稿。会消耗你的额度；同一模型也能在本地运行。
- [Kokoro 82M（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-kokoro.md) (`aigd.tts-kokoro`, v1.0.3, 由 AI Game Dev 发布): hexgrad 的 Kokoro 82M 是一个小巧、口碑极佳的英语文本转语音模型，完全本地运行：28 个美式和英式预设音色，可用于 NPC 对话、旁白和 UI 台词。即使在 CPU 上也很快（llama.cpp）；不支持声音克隆。Apache-2.0，允许商用。
- [本地音效与音乐（Stable Audio 3）](https://ai-game.dev/zh-hans/packages/aigd.sa3cpp.md) (`aigd.sa3cpp`, v1.0.2, 由 AI Game Dev 发布): 在 AI Game Dev 中本地生成音效与音乐的运行时，基于 sa3.cpp（Stable Audio 3 的 C++/ggml 移植版），可在 CUDA、Vulkan、Metal 或 CPU 上运行，无需 Python。它可运行 Stable Audio 3 Small SFX、Small Music 和 Medium 模型，这些模型是独立的包。
- [本地语音（llama.cpp）](https://ai-game.dev/zh-hans/packages/aigd.llamacpp.md) (`aigd.llamacpp`, v1.0.2, 由 AI Game Dev 发布): 用 llama.cpp 的语音工具在这台电脑上朗读文本，离线运行，不消耗你的额度：可在 NVIDIA、AMD、Intel 或 Apple GPU 或 CPU 上生成语音台词、旁白和占位对白。Kokoro、Chatterbox Turbo 等模型是单独的包。
- [Lyria（云端音频）](https://ai-game.dev/zh-hans/packages/aigd.cloud-lyria.md) (`aigd.cloud-lyria`, v0.1.4, 由 AI Game Dev 发布): 云端运行的 Google Lyria 3 音乐：根据文字描述生成 30 秒片段，纯音乐或带人声，适合游戏菜单主题曲、关卡音乐草稿和预告片配乐。消耗你的额度。
- [Magenta RealTime 2（音乐模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-magenta-rt2.md) (`aigd.audio-magenta-rt2`, v1.0.2, 由 AI Game Dev 发布): Google Magenta RealTime 2 器乐音乐模型：根据风格提示词生成背景音乐，时长 1 秒到 3 分钟，48 kHz 立体声，无人声。Small（230M）可在任意 GPU 上运行，甚至能在 CPU 上跑；Base（2.4B）则需要 GPU。通过 audio.cpp 在本地运行。CC BY 4.0，允许商业使用。
- [Magpie TTS Multilingual（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-magpie.md) (`aigd.tts-magpie`, v1.0.2, 由 AI Game Dev 发布): NVIDIA 的 Magpie TTS Multilingual 357M，本地运行：支持 13 种语言和方言的语音（包括印地语、越南语、巴西葡萄牙语和三种阿拉伯语变体），提供五个预设音色，可用于本地化的对话和播报。不支持音色克隆。在 GPU 上效果最佳，使用 audio.cpp。NVIDIA Open Model License。
- [Ming-3.0 TTS 0.5B（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-ming3.md) (`aigd.tts-ming3`, v1.0.2, 由 AI Game Dev 发布): inclusionAI 的 Ming-3.0 TTS 0.5B，本地运行：可说中文、英语、日语、韩语、德语、法语和西班牙语，支持从片段克隆声音、根据文字描述设计声音，为游戏角色打造各具特色的嗓音。最好在 GPU 上运行，使用 audio.cpp。MIT，允许商业使用。
- [MiniMax-Music3（音乐模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-minimax-music3.md) (`aigd.audio-minimax-music3`, v1.0.2, 由 AI Game Dev 发布): MiniMax-Music3：根据风格提示词和带 \[verse\]/\[chorus\] 标签的歌词，生成带人声演唱的完整歌曲，最长 5 分钟，44.1 kHz 立体声，适合主题曲和原声单曲。使用 audio.cpp 在你的 GPU 上本地运行。社区许可：需展示“MiniMax-Music3”、将输出标注为机器生成、营收上限。
- [MOSS-SoundEffect v2（音效模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-moss-soundeffect-v2.md) (`aigd.audio-moss-soundeffect-v2`, v1.0.2, 由 AI Game Dev 发布): 由 OpenMOSS 推出的 MOSS-SoundEffect v2：根据英文或中文描述生成音效与环境声（自然、城市、生物、人类动作），时长 1 到 30 秒，48 kHz 单声道，适用于游戏关卡和场景。通过 audio.cpp 在你的 GPU 上本地运行。Apache-2.0（以模型卡为准），允许商业使用。
- [OmniVoice（语音模型，非商用）](https://ai-game.dev/zh-hans/packages/aigd.tts-omnivoice.md) (`aigd.tts-omnivoice`, v1.0.2, 由 AI Game Dev 发布): k2-fsa 的 OmniVoice，本地运行：支持 600 多种语言的文本转语音，可用自带默认音色，也可用一段音频及其转录文本克隆音色。适合非商业项目中的小众语言。在 GPU 上效果最佳，使用 audio.cpp。非商业许可（CC-BY-NC）。
- [Phonon 31M（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-phonon.md) (`aigd.tts-phonon`, v1.0.2, 由 AI Game Dev 发布): Gradium 的 Phonon 31M 是一个极小的本地英语文本转语音模型，只有一个音色：在笔记本 CPU 上比实时更快，适合快速旁白、UI 和占位台词。下载大小 85.5 MB，使用 audio.cpp 运行。Apache-2.0，允许商业使用。
- [Pocket TTS 100M（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-pocket.md) (`aigd.tts-pocket`, v1.0.2, 由 AI Game Dev 发布): Kyutai 的 Pocket TTS 100M，本地运行：英语、法语、德语、西班牙语、意大利语和葡萄牙语各一个 checkpoint，每种语言有 15 个预设音色，也可以从一段短音频裁剪并复用音色（声音克隆），无需转录文本。在 CPU 上配合 audio.cpp 比实时更快。CC-BY-4.0：署名后可商用，但须遵守 Kyutai 的使用条款。
- [Qwen3-TTS 0.6B Base（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-qwen3-tts-0-6b-base.md) (`aigd.audio-qwen3-tts-0-6b-base`, v1.0.2, 由 AI Game Dev 发布): Qwen3-TTS 0.6B Base：文本转语音，能用一段 3 秒或更长的参考片段克隆声音，支持 10 种语言，24 kHz，适合角色对白和旁白。较小的克隆模型，适用于约 4 GB 显存的 GPU（估算）。通过 audio.cpp 在本地运行。Apache-2.0，允许商业使用。
- [Qwen3-TTS 1.7B Base（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-qwen3-tts-1-7b-base.md) (`aigd.audio-qwen3-tts-1-7b-base`, v1.0.2, 由 AI Game Dev 发布): Qwen3-TTS 1.7B Base：文本转语音，可用一段简短参考音频（3 秒或更长）在 10 种语言中克隆音色，24 kHz，适用于角色对白和旁白。更大的克隆模型，适用于约 6 GB 显存的 GPU（估算）。通过 audio.cpp 在本地运行。Apache-2.0，允许商业使用。
- [Qwen3-TTS 1.7B CustomVoice（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-qwen3-tts-1-7b-customvoice.md) (`aigd.audio-qwen3-tts-1-7b-customvoice`, v1.0.2, 由 AI Game Dev 发布): Qwen3-TTS 1.7B CustomVoice：文本转语音，内置九种音色，支持情绪与演绎指令（“兴奋，快”“低语，悲伤”），覆盖 10 种语言，24 kHz，适用于 NPC 对白和旁白。通过 audio.cpp 在你的 GPU 上本地运行。Apache-2.0，允许商业使用。
- [Qwen3-TTS 1.7B VoiceDesign（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-qwen3-tts-1-7b-voicedesign.md) (`aigd.audio-qwen3-tts-1-7b-voicedesign`, v1.0.2, 由 AI Game Dev 发布): Qwen3-TTS 1.7B VoiceDesign：文本转语音，可根据文字描述（“一位粗犷的老水手，低沉而缓慢”）设计全新嗓音，同时设定情绪与表达方式，支持 10 种语言、24 kHz，适合角色配音。通过 audio.cpp 在你的 GPU 上本地运行。Apache-2.0，允许商业使用。
- [Stable Audio 3 Medium（音乐模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-stable-audio-3-medium.md) (`aigd.audio-stable-audio-3-medium`, v1.1.3, 由 AI Game Dev 发布): Stable Audio 3 Medium：根据文本提示生成器乐音乐，最长 6 分 20 秒，44.1 kHz 立体声，无人声；这是较大的 Stable Audio 3 音乐模型，适合完整长度的配乐作品。通过 sa3.cpp 在 GPU 上本地运行（最长作品在 CUDA 上需 12 GB，在 Vulkan 上需 13 GB）。Stability AI Community License：须先注册，且仅在年收入低于 100 万美元时可用于商业用途。
- [Stable Audio 3 Small Music（音乐模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-stable-audio-3-small-music.md) (`aigd.audio-stable-audio-3-small-music`, v1.1.3, 由 AI Game Dev 发布): Stable Audio 3 Small Music：根据文本提示生成纯音乐与循环片段，最长 2 分钟，44.1 kHz 立体声，不含人声，可用于游戏背景音乐、提示音和短旋律。在 4 GB 显存的 GPU 上通过 sa3.cpp 本地运行，也可在 CPU 上较慢地运行。Stability AI Community License：仅在年收入低于 100 万美元时可用于商业用途，且需先注册。
- [Stable Audio 3 Small SFX（音效模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-stable-audio-3-small-sfx.md) (`aigd.audio-stable-audio-3-small-sfx`, v1.1.3, 由 AI Game Dev 发布): Stable Audio 3 Small SFX：根据文本提示生成游戏音效和拟音（撞击声、脚步声、UI 音效、环境音），时长 1 至 60 秒，44.1 kHz 立体声。在 4 GB 显存的 GPU 上用 sa3.cpp 本地运行，没有 GPU 时也能运行，但速度较慢。Stability AI Community License：需先注册，且仅在年收入低于 100 万美元时允许商用。
- [SuperCollider](https://ai-game.dev/zh-hans/packages/aigd.supercollider.md) (`aigd.supercollider`, v0.1.12, 由 AI Game Dev 发布): 在你的电脑上用 SuperCollider 3.14.1 创作、渲染、分析并导出可移植的游戏音乐：乐谱以代码形式保存在项目中，离线渲染 WAV，同步分轨与循环，导入采样，预览，并导出到 Unity、Godot 或 Unreal。
- [Supertonic 3（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-supertonic-3.md) (`aigd.tts-supertonic-3`, v1.0.2, 由 AI Game Dev 发布): Supertone 的 Supertonic 3，快速的本地文本转语音，支持 31 种语言，提供十个预设音色，并可在文本中使用 \<laugh\>、\<breath\> 和 \<sigh\> 标签，适合本地化对白与旁白。在 App 的 ONNX 运行时上以 CPU 运行。不支持声音克隆。Open RAIL-M：可在其使用限制范围内商用。
- [VoxCPM2（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.audio-voxcpm2.md) (`aigd.audio-voxcpm2`, v1.0.2, 由 AI Game Dev 发布): OpenBMB 的 VoxCPM2：48 kHz 的语音合成，支持 30 种语言和 9 种汉语方言，可从短音频克隆音色、按描述设计音色，并用情感与语速指令控制，适用于角色对白和旁白。通过 audio.cpp 在你的 GPU 上本地运行。Apache-2.0，允许商用。
- [ZONOS3-Mini（语音模型）](https://ai-game.dev/zh-hans/packages/aigd.tts-zonos3-mini.md) (`aigd.tts-zonos3-mini`, v1.0.2, 由 AI Game Dev 发布): Zyphra 的 ZONOS3-Mini 是一款富有表现力的本地文本转语音模型：支持英语、法语、德语、西班牙语、意大利语、葡萄牙语、中文和韩语，提供 13 个预设音色，也可从一段音频克隆音色。通过 audio.cpp 在笔记本 CPU（约实时）或 GPU 上运行。Apache-2.0，允许商用。
